Penyakit diabetes melitus merupakan salah satu penyakit degenerative yang jumlahnya semakin bertambah setiap tahunnya. Menurut International Diabetes Federation, diperkirakan pada tahun 2045 penderita penyakit ini akan meningkat menjadi 700 juta orang di dunia. Dengan penambahan angka kasus penderita diabetes, maka data pasien akan semakin meningkat serta belum adanya sistem yang murah dalam mendiagnosis penyakit ini. Melalui penerapan data mining, kita dapat mengklasifikasikan dan menemukan informasi dari sekumpulan data yang sangat besar dengan waktu yang singkat dengan biaya yang terhitung murah. Metode pengklasifikasian data yang diterapkan adalah k-Nearest Neighbor dengan membandingkan dua skenario berbeda, yaitu data yang diterapkan feature selection melalui pendekatan embedded dengan data yang tidak diterapkan feature selection. Hasil dari penelitian ini menunjukkan bahwa data yang diterapkan proses feature selection mendapatkan nilai akurasi terbaik sebesar 89.36% pada nilai k=9. Hal ini membuktikan bahwa proses feature selection dapat meningkatkan akurasi untuk mendiagnosis penyakit diabetes melitus.