Tekanan darah merupakan parameter penting dalam pemantauan kesehatan dan biasanya diukur menggunakan sphygmomanometer dengan metode oklusi arteri. Metode ini kurang praktis untuk pemantauan kontinu sehingga dibutuhkan alternatif non-invasif yang lebih nyaman. Sensor fotopletismografi (PPG) seperti MAX30102 mampu mendeteksi perubahan absorpsi cahaya merah dan inframerah pada darah kapiler, sehingga dapat digunakan untuk memperkirakan tekanan darah dengan bantuan algoritma machine learning. Penelitian ini bertujuan mengevaluasi akurasi estimasi tekanan darah berbasis sinyal PPG. Hasil evaluasi model menunjukkan bahwa untuk tekanan darah sistolik (SBP) diperoleh nilai %rata-rata error sebesar 10,84% dan untuk tekanan darah diastolik (DBP) diperoleh nilai %error sebesar 6,09%. Hasil ini menunjukkan bahwa model cukup baik dalam memperkirakan tekanan darah diastolik, sementara akurasi sistolik masih perlu ditingkatkan.