Diabetes melitus merupakan gangguan metabolisme kronis yang ditandai dengan meningkatnya kadar gula darah secara berkelanjutan, dan dapat menyebabkan komplikasi serius jika tidak ditangani dengan baik. Proses pemeriksaan kadar gula darah yang umum dilakukan masih bersifat invasif dan menimbulkan rasa tidak nyaman bagi sebagian pasien. Penelitian ini bertujuan untuk merancang alat deteksi diabetes noninvasif dengan menggunakan sampel urine. Parameter yang digunakan dalam sistem ini adalah warna urine dan kadar gas amonia yang dihasilkan, mengingat penderita diabetes cenderung memiliki kadar amonia yang lebih tinggi. Dalam pengolahan data, digunakan metode K-Nearest Neighbors untuk klasifikasi status diabetes dan regresi linear untuk memprediksi kadar gula darah. Hasil pengujian menunjukkan bahwa metode K-Nearest Neighbors dengan K=3 mengklasifikasikan kondisi pasien dengan akurasi sebesar 96,67%, terdapat satu kesalahan klasifikasi dari 30 data uji. Sedangkan metode regresi linear menghasilkan rata-rata error sebesar 6,5%, dengan error maksimum sebesar 13,86% dan minimum sebesar 3,28%.