Hipertensi adalah kondisi di mana tekanan darah meningkat secara kronis dan berisiko menyebabkan penyakit serta kematian. Deteksi dini hipertensi sangat penting untuk pencegahan. Metode pengukuran tekanan darah berbasis manset sering kali menyebabkan ketidaknyamanan dan hasil yang kurang akurat. Oleh karena itu, penelitian ini menggunakan teknologi tanpa manset dengan memanfaatkan sinyal Photoplethysmography (PPG). Penelitian ini bertujuan mengembangkan sistem klasifikasi deteksi hipertensi berbasis sinyal PPG menggunakan pendekatan Hibrida Convolutional Neural Network-Support Vector Machine (Hibrida CNN-SVM). CNN efektif dalam ekstraksi fitur dari data PPG karena kemampuannya mengenali pola kompleks, sementara SVM unggul dalam klasifikasi dengan hasil yang lebih stabil. Dengan menggabungkan kedua metode ini, penelitian mengusulkan model Hibrida CNN-SVM untuk meningkatkan akurasi deteksi hipertensi. Hasil eksperimen menunjukkan model ini mencapai F1-Score sebesar 98,27% pada Trial B, menunjukkan potensi besar dalam aplikasi medis, khususnya deteksi dini hipertensi.