Kualitas udara merupakan aspek krusial yang mempengaruhi kesehatan populasi,
khususnya di kawasan urban dengan volume kendaraan yang tinggi. Partikel PM2.5
dikenal sebagai salah satu polutan berbahaya karena dimensinya yang sangat kecil,
memungkinkan partikel tersebut masuk ke sistem pernapasan manusia. Penelitian
ini bertujuan untuk merancang dan menciptakan sistem pemantauan kualitas udara
yang berbasis Internet of Things (IoT) dengan menggunakan sensor PMS5003 dan
DHT22 yang dipadukan dengan mikrokontroler ESP32, serta menerapkan
algoritma pembelajaran mesin untuk mengklasifikasikan kondisi kualitas udara.
Sistem ini dirancang untuk memantau secara langsung konsentrasi PM2.5, suhu,
dan kelembapan udara, kemudian data tersebut ditampilkan pada layar LCD OLED
dan disimpan dalam format Excel di komputer untuk analisis lebih lanjut. Metode
pembelajaran mesin yang diterapkan terdiri dari Decision Tree, dan Random Forest
guna mengevaluasi kinerja klasifikasi kualitas udara. Proses penelitian dimulai dari
pengumpulan data, tahap pra-pemrosesan, pembagian data untuk pelatihan dan
pengujian, pelatihan model, hingga penilaian menggunakan confusion matrix dan
akurasi. Hasil pengujian menunjukkan bahwa sistem ini mampu melakukan
pemantauan kualitas udara dengan stabil dan dapat mengkategorikan kondisi udara
ke dalam tiga kelas: baik, sedang, dan tidak sehat berdasarkan nilai PM2.5.
Penelitian ini diharapkan menjadi solusi yang efektif dalam pemantauan kualitas
udara serta mendukung pengembangan sistem monitoring lingkungan yang
berbasis IoT dan pembelajaran mesin.