Diabetes melitus merupakan penyakit gangguan metabolisme yang cukup banyak dijumpai dan tidak dapat disembuhkan secara permanen. Jumlah kasus diabetes terus meningkat selama beberapa dekade terakhir, tak terkecuali di Provinsi Kalimantan Timur, Indonesia. Oleh sebab itu, penting untuk dilakukan pendeteksian dini guna menekan jumlah penderita diabetes dengan memanfaatkan metode data mining, salah satunya teknik klasifikasi. Adanya teknik ini dapat diterapkan dalam mengklasifikasi diagnosis penyakit diabetes dan komplikasinya, sehingga dapat membantu pihak kesehatan dalam memberikan diagnosis alternatif secara cepat dan akurat dengan menggunakan suatu perhitungan algoritma. Penelitian ini menggunakan metode Decision Tree dengan membandingkan hasil performa pada algoritma C4.5 dan CART. Data yang digunakan adalah rekam medis pasien diabetes RSUD I.A. Moies Samarinda tahun 2020 sebanyak 60 data. Data terdiri dari 6 atribut seperti umur, tekanan sistolik, tekanan diastolik, kadar gula darah sewaktu, kadar ureum dan kadar kreatinin, serta label yang berisi 4 kelas klasifikasi yaitu diabetes dengan hiperglikemia, diabetes dengan hipertensi, diabetes dengan nefropati dan negatif dari diabetes. Metode validasi yang digunakan adalah KFold Cross Validation dengan validasi sebesar 2, 3, 5, 7 dan 10-fold, serta digunakan metode Confusion Matrix untuk memvalidasi model dengan bantuan tools RapidMiner. Dari hasil pengujian tersebut, ditunjukkan bahwa algoritma C4.5 mendapatkan hasil akurasi tertinggi sebesar 86,67%, presisi sebesar 89,21% dan recall sebesar 88,82% pada validasi data 3, 5, 7 dan 10-fold dengan faktor yang mempengaruhi diabetes adalah kadar GDS, sedangkan algoritma CART mendapatkan hasil akurasi tertinggi sebesar 83,33%, presisi sebesar 86,72%, dan recall sebesar 80,49% pada validasi 3, 5 dan 10-fold dengan faktor yang mempengaruhi diabetes adalah tekanan diastolik. Sehingga dapat disimpulkan bahwa hasil penerapan algoritma C4.5 memiliki performa yang optimal dibandingkan dengan algoritma CART dalam mengklasifikasi penyakit diabetes melitus, serta penerapan dengan bantuan RapidMiner maupun manual memperoleh hasil yang sama pada penelitian ini.