Salah satu permasalahan di kota-kota besar adalah polusi udara yang berdampak buruk terhadap makhluk hidup. Pemantauan kualitas udara merupakan aspek penting untuk mengetahui kualitas udara dari suatu daerah dalam kaitannya dengan berbagai aspek modernisasi. Terdapat beberapa parameter yang dapat menentukan kualitas udara yaitu partikulat (PM2.5) dan karbon dioksida (CO2), di samping pengaruh meteorologi seperti, temperatur (T), relative humidity (RH), intensitas cahaya (I), kecepatan dan arah angin (WS/WD). Dalam dua tahun terakhir, 2018-2019, telah dibangun tiga stasiun ukur yakni Gedung Tokong Nanas dan Gedung Deli (Universitas Telkom). Pada penelitian ini telah dibuat Aplikasi berbasis web sistem baru dalam pemantauan kualitas udara di banyak stasiun dan melakukan prediksi polutan partikulat (PM2.5) menggunakan machine learning di Gedung Tokong Nanas. Aplikasi berbasis web baru dapat memantau kualitas udara secara real-time dan mengetahui siapa saja yang mengakses web tersebut untuk memantau dan mengunduh raw data dari stasiun ukur. Selain itu, aplikasi berbasis web baru ini akan dikembangkan lagi dalam penelitian selanjutnya. Proses prediksi polutan (PM2.5) menggunakan machine learning dengan fokus pada metode multiple linear regression serta beberapa metode lainnya. Luaran dari prediksi ini berupa nilai untuk mencari performansi terbaik dari penggunaan algoritma machine learning. Pemilihan metode ini berdasarkan nilai Root Mean Square Error (RMSE) dan koefisien determinasi (R2). Dari beberapa model yang telah dilakukan, hasil terbaik didapatkan dari metode decision forest dengan RMSE sebesar 22.55 µg/m3 dan nilai R2 sebesar 0.434. Berdasarkan hasil dari pemodelan yang telah dilakukan bahwa eksplorasi terhadap prediksi nilai konsentrasi PM2.5 di Gedung Tokong Nanas masih memiliki peluang yang cukup besar untuk ditingkatkan performansinya.