Peningkatan aktivitas alam maupun aktivitas manusia telah memicu terjadinya masalah kualitas udara. Berdasarkan artikel dari World Health Organization (WHO), 9 dari 10 orang saat ini menghirup udara kotor, yang menyebabkan 7 juta kematian setiap tahunnya. Dengan timbulnya permasalahan akibat buruknya kualitas udara, diperlukan sistem monitoring untuk memantau kualitas udara secara real-time. Hal ini akan menjadi dasar evaluasi dalam mengambil tindakan yang diperlukan. Namun, seringkali masyarakat tidak memiliki akses informasi kualitas udara di wilayah mereka karena kurangnya alat ukur yang memadai. Alat ukur yang diperlukan untuk monitoring kualitas udara juga memerlukan biaya yang tinggi, sehingga tidak semua individu atau kelompok masyarakat mampu membelinya. Tujuan yang ingin dicapai dalam penelitian ini adalah membangun sebuah sistem monitoring yang dapat memberikan informasi yang akurat tentang kualitas udara. Penelitian ini menggunakan salah satu metode machine learning dengan model supervised learning yaitu Regresi Linear Berganda dengan variabel bebasnya adalah CO, NO2, PM2.5, PM10 dan O3 untuk menentukan kualitas udara. Dataset dalam penelitian ini diambil dari situs kaggle.com dengan jumlah dataset yang digunakan adalah 16.322 baris data, dimana data tersebut kemudian dibagi menjadi data pengujian sebanyak 80% dan data pelatihan sebanyak 20%. Model Regresi linear berganda dibuat dalam bahasa Python menggunakan Google Colab yang kemudian diimplementasikan dalam sistem. Pada penelitian ini diperoleh model regresi linear berganda dengan persamaan Y’ = 1.64 + 0.37 X1 + 0.28 X2 + 0.02 X3 + 0.38 X4 + 0.04 X5 dengan nilai RMSE sebesar 0.24 dan nilai R2 sebesar 0.84. Selain itu, pengujian sistem dengan menggunakan metode black box juga menunjukkan hasil yang sesuai dengan harapan.