Pada perkembangan di dunia kedokteran saat ini, peneliti dan praktisi memusatkan perhatiannya untuk mendeteksi Diabetes Melitus (DM) dan mencegah atau menghambat berkembangnya komplikasi. Hal ini dikarenakan banyaknya pasien terdiagnosis DM setelah terjadi komplikasi. Padahal DM bisa diatasi jika dideteksi lebih cepat. Salah satu metode untuk pendeteksiannya dapat menggunakan teknik data mining. Pada penelitian ini dilakukan perbandingan antara dua metode yaitu K-Nearest Neighbor (K-NN) dan Fuzzy K-Nearest Neighbor (FK-NN) untuk mendeteksi DM. Dataset DM diambil dari repositori UCI diabetes Indian Pima yang terdiri dari data klinis pasien terdeteksi positif dan negatif DM. K-NN merupakan teknik klasifikasi yang melakukan prediksi secara tegas pada data uji berdasarkan k tetangg terdekat. Sedangkan FK-NN melakukan prediksi data uji menggunakan nilai keanggotaan pada data uji di tiap kelas, kemudian diambil kelas dengan nilai keanggotaan terbesar dari data uji sebagai kelas hasil prediksi. Pengujian ini dilakukan terhadap 4 jumlah data latih yang berbeda yaitu 80, 130, 180, dan 230 dengan menggunakan jumlah data uji yang sama yaitu 50 data. Hasil pengujian yang dilakukan menunjukkan tingkat akurasi tertinggi terdapat pada FK-NN yakni mencapai 98%. Sedangkan K-NN akurasi tertingginya hanya mencapai 96%. Ini berarti Fuzzy K-Nearest Neighbor memberikan prediksi yang lebih baik dibandingkan K-Nearest Neighbor.