Diabetes merupakan salah satu penyakit yang memiliki potensi dapat menyebabkan kematian. Berdasarkan laporan dari IDF (International Diabetes Federation) menyebutkan pada tahun 2019 terdapat 463 juta orang di dunia menderita penyakit ini. Menurut Kementrian Kesehatan Indonesia merupakan negara yang masuk kedalam 10 besar tertinggi di dunia dengan jumlah penderita diabetes. Model machine learning dapat menjadi solusi untuk mendeteksi secara dini penyakit diabetes berdasarkan riwayat maupun data yang telah tersedia. Mayoritas penelitian yang telah dilakukan mayoritas memggunakan single classifier. Model single classifier memiliki kelemahan ketika dihadapkan pada kondisi ketidakseimbangan kelas pada dataset. Oleh karena itu pada penelitian ini menggunakan Stacking Model untuk proses klasifikasi dan prediksi pada dataset penyakit diabetes. Tujuannya ialah untuk meningkatkan kinerja single classifier. Selain itu Stacking Model diharapkan dapat menjadi salah satu solusi pada klasifikasi diabetes pada imbalanced class dataset. Berdasarkan dua eksperimen pengujian yang telah dilakukan dengan menggunakan dua dataset yang berbeda. Algoritme Stacking mampu menghasilkan menghasilkan nilai akurasi sebesar 89%, nilai TPR sebesar 89%, nilai TNR sebesar 85% dan G-Mean sebesar 86,98% pada dataset pertama serta mampu menghasilkan nilai akurasi sebesar 96%, nilai TPR sebesar 96%, nilai TNR sebesar 94% dan G-Mean sebesar 94,99% pada dataset kedua. Hasil ini lebih baik dibandingkan single classifier seperti C4.5, K-NN dan SVM dari keempat indikator yang dievaluasi pada kedua dataset diabetes. Dengan demikian algoritme yang diusulkan yaitu Stacking (C4.5-SVM) dapat menjadi salah satu solusi untuk klasifikasi dataset diabetes dengan kondisi distribusi kelas yang tidak seimbang.