Kamera smartphone memungkinkan pemantauan detak jantung secara kontinu tanpa peralatan, namun sinyal fotoplethysmography (PPG) yang mereka tangkap rentan terhadap gerakan, ketidakstabilan kontak, dan variasi lingkungan yang sangat berbeda dari pengaturan validasi terkontrol. Studi ini mengevaluasi estimasi detak jantung dari sinyal PPG smartphone menggunakan pendekatan berbasis fitur, lima model regresi klasik, dan Recursive Feature Elimination (RFE) pada dataset BUT PPG v2.0.0 (3.888 rekaman dari 50 subjek, referensi ECG). Total 21 fitur diekstrak dari domain waktu, morfologi, frekuensi, dan kualitas sinyal, dinormalisasi menggunakan Yeo-Johnson, dan dievaluasi di bawah skema validasi silang 5 kali per subjek. SVR dengan kernel RBF mencapai performa terbaik (MAE 9,20 bpm, RMSE 12,05 bpm). Pemilihan fitur mengurangi jumlah fitur dari 21 menjadi 12 dengan kehilangan performa yang sangat kecil (MAE 9,19 bpm), dan Indeks Stabilitas Jaccard sebesar 0,7513 menunjukkan bahwa subset yang dipilih secara konsisten digeneralisasi. Analisis kesalahan berstratifikasi kondisi mengungkapkan bahwa kualitas sinyal adalah faktor utama kesalahan, dengan MAE naik dari 6,49 bpm pada sinyal bersih menjadi 9,91 bpm pada sinyal berisik, dan aktivitas dinamis seperti berjalan (13,69 bpm), tertawa (12,74 bpm), dan batuk (11,62 bpm) menghasilkan kesalahan tertinggi. Temuan ini menunjukkan bahwa penilaian kualitas sinyal hulu adalah komponen penting dari sistem estimasi detak jantung PPG smartphone yang andal.