Laboratorium uji benih memerlukan informasi suhu dan kelembapan ruang untuk menjaga kualitas proses pengujian benih. Saat ini, laboran mencatat parameter lingkungan dua kali sehari pada pukul 9.00 dan 14.00 dengan menggunakan alat ukur terkalibrasi. Namun, metode ini tidak mencakup data di luar jam kerja atau pada hari libur, sehingga tidak memenuhi persyaratan pencatatan kontinu yang diwajibkan oleh Komite Akreditasi Nasional (KAN). Penelitian ini bertujuan untuk mengembangkan sistem pemantauan kualitas udara berbasis IoT yang mampu mencatat suhu dan kelembapan secara kontinu tanpa keterbatasan waktu serta memastikan akurasi data dengan mekanisme kalibrasi menggunakan metode inversi regresi linier. Sistem ini menampilkan data langsung pada layar OLED, menyimpan data di media microSD, dan mengunggahnya ke lembar kerja daring untuk pemantauan dan analisis lebih lanjut. Hasil pengujian menunjukkan bahwa sistem memiliki tingkat akurasi pengukuran sebesar 98% untuk suhu dan 97% untuk kelembapan setelah menggunakan inversi regresi linier dengan menggunakan 15 data. Dengan demikian, sistem ini mampu menggantikan metode pencatatan manual yang terbatas dan memenuhi persyaratan pencatatan kontinu dari KAN. Abstract Seed testing laboratories require temperature and humidity information to maintain the quality of seed testing processes. Currently, laboratory staff record environmental parameters twice daily at 9:00 AM and 2:00 PM using calibrated measuring instruments. However, this method does not cover data outside working hours or during holidays, thus failing to meet the continuous recording requirements mandated by the National Accreditation Committee (KAN). This study aims to develop an IoT-based air quality monitoring system capable of recording temperature and humidity continuously without time constraints while ensuring data accuracy through a calibration mechanism using the linear regression inversion method. The system displays real-time data on an OLED screen, stores data on a microSD card, and uploads it to an online spreadsheet for further monitoring and analysis. The test results show that the system achieves a measurement accuracy of 98% for temperature and 97% for humidity after applying the linear regression inversion method by using 15 data. Thus, the system can replace the limited manual recording method and meet the continuous recording requirements set by the KAN.