Diabetes Mellitus (DM) merupakan penyakit metabolik kronis yang prevalensinya terus meningkat, khususnya pada kelompok lansia. Gejala yang tidak spesifik pada lansia sering menyebabkan keterlambatan diagnosis sehingga diperlukan sistem deteksi dini berbasis machine learning. Penelitian ini menerapkan algoritma K-Nearest Neighbors (K-NN) dikombinasikan dengan seleksi fitur Chi-Square untuk mendeteksi Diabetes Mellitus Tipe 2 pada pasien lansia di RS PUSRI Palembang menggunakan 233 data rekam medis.Seleksi fitur Chi-Square menghasilkan lima fitur paling relevan yaitu Kadar Glukosa (111,32), Kadar Hemoglobin A1c (101,74), Kadar Kolesterol (3,87), Riwayat Keluarga (3,73), dan Umur (2,82). Hasil evaluasi menunjukkan model K-NN tanpa seleksi fitur mencapai akurasi 62,5%, sedangkan dengan seleksi fitur Chi-Square meningkat signifikan menjadi akurasi 83,3%, presisi 82,4%, recall 93,3%, dan F1-Score 87,5%. Hal ini membuktikan bahwa seleksi fitur Chi-Square mampu meningkatkan performa klasifikasi K-NN dalam deteksi dini diabetes pada lansia