Hipertensi atau tekanan darah tinggi merupakan salah satu faktor risiko utama penyakit kardiovaskular yang sering tidak terdeteksi secara dini karena gejalanya yang minim. Pemantauan tekanan darah secara berkala sangat penting untuk pencegahan dan penanganan yang tepat. Dalam penelitian ini, dikembangkan sebuah sistem deteksi hipertensi non-invasif menggunakan sinyal fotopletismogram (PPG), yaitu sinyal optik yang merepresentasikan perubahan volume darah pada jaringan. Salah satu karakteristik penting dari sinyal PPG adalah luas sinyal. Luas sinyal tersebut dapat mencerminkan elastisitas pembuluh darah dan aliran darah yang mana berkaitan dengan kondisi tekanan darah. Oleh karena itu, luas sinyal PPG dimanfaatkan sebagai fitur utama dalam mendeteksi hipertensi. Untuk mengklasifikasikan kondisi hipertensi berdasarkan fitur luas sinyal, digunakan algoritma pembelajaran mesin K-Nearest Neighbor (KNN) yang sederhana namun efektif. Sistem yang dibangun dievaluasi menggunakan dua skenario pengujian berbeda. Hasil menunjukkan bahwa algoritma KNN mampu mendeteksi hipertensi secara akurat, dengan F1-Score sebesar 97,29% pada Trial-A dan 73,28% pada Trial-B. Temuan ini menunjukkan potensi besar sinyal PPG, khususnya fitur luas sinyal, sebagai indikator non-invasif dalam sistem pemantauan kesehatan cerdas yang efisien dan mudah diterapkan pada perangkat wearable.