Berbagai jenis informasi bisa ditemukan di internet, mulai dari informasi yang valid kebenarannya sampai informasi yang tidak valid kebenarannya atau yang biasa disebut berita bohong (Hoax). Banyaknya berita hoax yang beredar dimasyarakat tentunya membuat masyarakat merasa tidak aman dan tidak nyaman serta kebingungan. Oleh karena itu tujuan penelitian ini adalah untuk mencari model klasifikasi berita hoax yang optimal dengan menggunakan metode Bidirectional Long Short Term Memory (Bi-LSTM). Data yang digunakan yaitu sebanyak 8.744. Untuk mendapatkan model yang optimal dilakukan pengujian beberapa parameter diantaranya pengujian jumlah neuron dan pengujian jumlah batch size. Dari pengujian tersebut didapatkan performa model terbaik didapatkan dari parameter jumlah neuron sebanyak 16 dan jumlah batch size sebanyak 512. Untuk menangani ketidakseimbangan data dilakukan resampling data dengan menggunakan SMOTE, Random Undersampling dan Random Oversampling. Model dengan performa terbaik yaitu model tanpa menggunakan resampling dengan akurasi sebesar 93.65% , Recall sebesar 89% dan nilai AUC yang sudah cukup baik yaitu sebesar 0.97.
Kata kunci: Berita, Bidirectional Long Short Term Memory, Hoax, Oversampling, SMOTE