Penipuan kartu kredit menjadi salah satu ancaman yang signifikan dengan adanya peningkatan penggunaan transaksi online seiring perkembangan teknologi. Kerugian akibat penipuan kartu kredit juga meningkat setiap tahunnya. Karena itu berbagai model machine learning dan deep learning digunakan untuk membantu dalam mendeteksi penipuan kartu kredit yang terjadi. Dalam penelitian ini dilakukan implementasi model BiLSTM dan algoritma PSO dalam mendeteksi penipuan kartu kredit. BiLSTM merupakan model deep learning yang memiliki performa yang lebih baik daripada model LSTM. Algoritma PSO digunakan untuk meningkatkan performa model BiLSTM dengan mengoptimasi hyperparameter dari model, sehingga akurasi deteksi penipuan kartu kredit dapat dilakukan dengan lebih baik. Terdapat berbagai variasi algoritma PSO, dan dalam penelitian ini digunakan tujuh variasi dari PSO dalam mengoptimasi hyperparameter BiLSTM. Model BiLSTM dilatih dengan dataset mlg-ulb. Kemudian hasil evaluasi performa model BiLSTM yang menggunakan hyperparameter teroptimasi dari setiap variasi PSO dibandingkan satu dengan yang lain. Setelah itu model BiLSTM dengan performa terbaik dibandingkan dengan metode LSTM sebelumnya. Hasil perbandingan ini menunjukkan bahwa model terbaik yang diajukan (BiLSTM-AIW PSO) memiliki akurasi 99.93% yang lebih baik daripada metode sebelumnya, HS-SAL-BiLSTM yang memiliki akurasi 99.1%, dengan peningkatan akurasi sebesar 0.83%.