Hipertensi adalah keadaan di mana tekanan darah pada seseorang melebihi batas normal yang telah ditetapkan. Hipertensi merupakan salah satu faktor risiko utama penyakit kardiovaskular seperti stroke, serangan jantung, dan gagal jantung. Oleh karena itu, penting untuk mengidentifikasi hipertensi secara dini agar dapat diatasi dengan cepat. Dalam stuiy ini, diperkenalkan identifikasi hipertensi menggunakan machine learning dengan berbagai fitur domain waktu dan domain frekuensi HRV yang diperoleh dari ekstraksi sinyal PPG. Normalisasi statistik data dilakukan agar data yang diperoleh pada sekala atau rentang yang telah ditentukan. Berbagai algoritma machine learning digunakan untuk mengidentifikasi hipertensi dan membandingkan kinerjanya setiap algoritma machine learning yang digunakan adalah support vector machine (SVM), decision tree, naive bayes, dan random forest. Hasil menunjukkan bahwa SVM berkinerja paling baik dalam mendeteksi hipertensi, dengan akurasi 98,89% untuk pelatihan dan 80,68% untuk pengujian.