Penelitian ini mengangkat isu penting dalam pengelolaan data rekam medis pasien Diabetes Melitus (DM) di ruang perawatan intensif (ICU), di mana terdapat sejumlah parameter krusial yang dapat meningkatkan harapan hidup pasien jika diberi tindakan yang tepat. Tujuan dari penelitian ini adalah untuk mengembangkan model prediksi kelangsungan hidup pasien DM sehingga tenaga medis dapat memberikan tindakan perawatan yang lebih efektif dan akurat. Metode yang digunakan yaitu perbandingan beberapa algoritma Machine Learning yang dikombinasikan dengan Principal Component Analysis (PCA) untuk mencari metode terbaik untuk memprediksi kelangsungan hidup pasien. Hasil dari penelitian menunjukan kombinasi algoritma LinearSVC dan PCA memberikan hasil yang cukup baik yaitu recall(sensitivitas) 78%, spesifisitas 76,2%, AUC-score 85,1%  dan akurasi 76,3%. Fitur-fitur penting yang didapat dari hasil pemeringkatan yaitu tingkat gangguan kesadaran pasien berdasarkan Glasgow Coma Scale (GCS), tekanan darah, detak jantung, suhu tubuh dan alasan pasien dipindah ke ruang perawatan intensif. Interpretasi model menggunakan teknik eXplainable AI juga memberikan hasil yang saling berhubungan yaitu berapa hari pasien di rawat sebelum di rumah sakit sebelum masuk ICU, tinggi dan berat pasien. Fitur-fitur tersebut sesuai dengan hasil temuan dari penelitian medis yang telah dilakukan sebelumnya sehingga penelitian ini dapat membantu tenaga medis untuk meningkatkan harapan hidup pasien DM di ruang perawatan intensif.