Diabetes Melitus (DM) merupakan penyakit kronis dengan prevalensi yang terus meningkat. Deteksi dini sangat penting untuk mencegah komplikasi serius. Penelitian ini bertujuan mengembangkan sistem deteksi diabetes berbasis web menggunakan algoritma Random Forest. Dataset berjumlah 791 data pasien dengan 12 atribut medis dari Mendeley Data. Proses penelitian mengikuti metode CRISP-DM yang mencakup pemahaman data, pra-pemrosesan (pembersihan data, encoding, normalisasi, dan penyeimbangan kelas dengan SMOTE), pemodelan, evaluasi, dan penerapan sistem. Model dikembangkan dengan penyetelan hyperparameter menggunakan GridSearchCV. Evaluasi menunjukkan hasil akurasi 97,47%, presisi 97,83%, recall 99,26%, F1-score 98,54%, dan AUC 93,11%. Sistem diimplementasikan ke dalam platform web berbasis Streamlit dan memungkinkan input data manual maupun melalui file CSV. Pengujian dilakukan menggunakan metode black-box testing untuk memastikan fungsionalitas sistem berjalan sesuai harapan.