Studi ini mengusulkan penggunaan metode klasifikasi hybrid dalam algoritma pembelajaran mesin. algoritma machine learning adalah algoritma yang digunakan dalam proses machine learning berbasis data. untuk metode hybrid menggunakan metode ensemble learning yaitu metode voting. metode voting adalah algoritma kombinasi untuk memprediksi kelas. Penelitian ini bertujuan untuk meningkatkan hasil akurasi klasifikasi algoritma machine learning dalam proses klasifikasi untuk persebaran jumlah kasus DBD di Kota Bandung. Algoritma machine learning yang digunakan dalam penelitian ini adalah Support Vector Machine (SVM), K-Nearest Neighbor (KNN), dan Decision Tree (DT). Hasil yang diperoleh dari ketiga algoritma tersebut lebih unggul dengan KNN dengan akurasi 87%, SVM sebesar 84%, dan DT sebesar 79%. dengan menggunakan pendekatan metode hard voting, akurasi meningkat menjadi 91%. Model yang diusulkan dapat memperoleh hasil akurasi yang lebih baik dari ketiga algoritma pembelajaran mesin. Kontribusi dari penelitian ini adalah untuk memberikan informasi bahwa klasifikasi hybrid jumlah kasus DBD menggunakan pendekatan voting dapat meningkatkan akurasi model yang diusulkan.