Jantung Koroner merupakan penyakit jantung yang paling berbahaya. Penyakit ini terjadi ketika suplai darah yang mengandung oksigen dan nutrisi ke otot jantung tersumbat oleh plak di pembuluh darah jantung atau arteri koroner. Heart Rate dapat digunakan sebagai fitur dalam mendeteksi penyakit kardiovaskular, HR diperoleh dari setiap perubahan aktivitas detak jantung.Pada saat ini penelitian tentang deteksi PJK menggunakan sinyal PPG masih sedikit. Beberapa penelitian yang ada lebih fokus pada studi klasifikasi dibanding identifikasi ciri dari PJK berbasis sinyal PPG. Padahal eksplorasi ciri PJK mempunyai pengaruh besar terhadap hasil akurasi deteksi penyakit tersebut. Penelitian ini memberi solusi terhadap permasalahan diatas dengan mengusulkan studi algoritma ekstraksi ciri untuk mendeteksi penyakit jantung koroner berbasi sinyal PPG. Penelitian ini juga menganalisis performansi dari algoritma ekstraksi ciri yang di studi. Dalam penelitian ini akan dibandingkan dan dianalisis tiga metode algoritma ekstraksi ciri yaitu: respirasi rate interval (RRI), HRV fitur (HRVF) dan Time domain Fitur. Pada Preprocessing akan menggunakan Finite impulse respon (FIR) filter,serta menggunakan Decision tree sebagai pengklasifikasinya. Hasil pengujian ke tiga algoritma yang berbeda menunjukkan fitur HRV sebagai algoritma ekstraksi ciri terbaik dibanding algoritma ekstraksi lain yang telah diusulkan dengan akurasi 94,4%, sensitivitas 100%, dan spesifisitas 90,9%