Faktor penuaan dan tingginya proporsi lansia yang tinggal sendiri meningkatkan risiko jatuh yang tidak terdeteksi, sehingga diperlukan sistem deteksi jatuh yang andal. Penelitian ini mengimplementasikan model Bidirectional Long Short-Term Memory (Bi-LSTM) menggunakan data gyroscope dan accelerometer dari sensor MPU6050 untuk mendeteksi kejadian jatuh pada lansia. Eksperimen dilakukan pada lima titik lokasi pemasangan sensor (dada, pinggang, pergelangan tangan kiri, paha kiri, pergelangan kaki kiri). Hasil menunjukkan sensor pada pinggang memiliki performa terbaik dengan akurasi 99.63%, recall jatuh 97.45%, dan F1-score 98.44%. Pelatihan terpisah antara data jatuh dan aktivitas sehari-hari (ADL) justru menurunkan kemampuan model dalam membedakan kedua kelas, sehingga pelatihan bersama data raw secara sequential direkomendasikan. Penggunaan fitur delta antar-sampel mencapai akurasi 99.10% dan F1-score 96.30%, sedangkan penggabungan data raw dan delta mencapai akurasi 99.60% dan F1-score 98.30%. Implementasi real-time dengan variasi ADL menunjukkan model lebih tahan terhadap false alarm, namun diperlukan penambahan data ADL yang lebih beragam untuk meningkatkan keandalannya.