Jantung merupakan organ tubuh manusia yang berfungsi memompa darah yang kaya akan oksigen ke seluruh tubuh. Pemeriksaan kesehatan jantung sangat penting dilakukan mengingat penyakit yang disebabkan dari jantung sangatlah banyak. Oleh karena itu diharapkan orang-orang mampu merawat jantung mereka dengan melakukan aktivitas olahraga, untuk memeriksa kesehatan jantung mereka namun untuk saat ini pendeteksian detak jantung masih dilakukan secara manual atau masih adanya kontak fisik. Penulis merancang pendeteksian BPM manusia secara non-invasive dengan menggunakan kamera webcam karena metode yang akan digunakan yaitu Blind Signal Separation dan Fast Fourier Transform dimana nantinya akan menghitung BPM manusia dengan menggunakan sinyal wajah karena adanya sirkulasi darah ke wajah yang mengakibatkan adanya perubahan varian warna kulit. Solusi yang ditawarkan alat pendeteksi BPM manusia secara non invasive mencakup beberapa aspek penting. Pertama, pada program pendeteksi BPM manusia dapat melakukan pembacaan citra wajah manusia karena adanya metode face detection yang nantinya mengambil bagian ROI wajah. Kedua, perhitungan dilakukan dengan mengolah sinyal wajah yang didapatkan dengan mencari rata-rata warna sinyalnya menggunakan blind signal separation yang setelah itu diubah menjadi sinyal frekuensi untuk mendapatkan nilai BPM dengan menggunakan fast fourier transform. Ketiga setelah program berjalan dengan baik, maka program akan disimpan pada embedded sistem Raspberry Pi 3 B+ agar alat tersebut dapat digunakan secara portable dan harga terjangkau. Dalam pengujian alat pendeteksi BPM manusia, dilakukan empat pengujian analis yang berbeda. Pertama menggunakan metode Mean Absolute Error yaitu mencari selisih error antar channel yang dicoba dan mendapatkan nilai MAE terbaik dari channel RGB dengan kondisi sebelum olahraga dan channel B setelah olahraga. Kedua menggunakan metode RSQ dengan mencari hubungan antara nilai program dengan nilai referensi pada setiap channel. RSQ terbaik pada kondisi sebelum berolahraga adalah channel B sedangkan setelah berolahraga terdapat pada channel RGB. Namun alat tersebut memiliki kekurangan dilihat pada analisis ketiga program saat dicoba pada raspy memiliki keterbatasan dalam jarak yang diambil dan delay. Selanjutnya pengujian dengan adanya 2 wajah yang terdeteksi alat tersebut mampu mendeteksi 2 wajah hanya saja perhitungan yang dilakukan masih menjadi satu ini menjadi kekurangan alat. Kata kunci: BPM, BSS, FFT, ROI, Wajah, Non-Invasive.