Analisis Klaim ODC dan Kesiapan Sistem Informasi Rumah Sakit dalam Mendukung Pengelolaan Klaim BPJS: Studi Kasus di RS. Fatmawati

Authors

Grahyta Dhamayanti, Instalasi Rekam Medis, Rumah Sakit Fatmawati, JakartaFollow
Arifin Arifin, Instalasi Rekam Medis, Rumah Sakit Fatmawati, JakartaFollow

Abstract

Masalah klaim tertunda BPJS Kesehatan pada layanan rawat inap kategori one day care (ODC) masih menjadi isu strategis di Rumah Sakit (RS) Fatmawati. Hal ini menyebabkan layanan tidak efisien dan potensi kerugian finansial. Hingga saat ini, mekanisme deteksi dini yang sistematis untuk mengidentifikasi masalah potensi klaim ODC belum tersedia secara optimal. Penelitian ini bertujuan menganalisis pola klaim ODC serta menyusun model konseptual deteksi dini potensi klaim ODC berbasis data Sistem Informasi Manajemen Rumah Sakit (SIMRS). Penelitian menggunakan desain deskriptif analitik dengan pendekatan metode campuran. Analisis kuantitatif dilakukan terhadap 2.401 data klaim rawat inap periode Januari–April 2025 di RS. Fatmawati, meliputi diagnosis-tindakan medis-lama rawat inap. Analisis kualitatif dilakukan melalui observasi modul SIMRS dan wawancara dengan informan kunci terkait pengelolaan klaim. Simulasi deteksi dini berbasis aturan dilakukan dengan memetakan kombinasi diagnosis–tindakan–lama rawat inap terhadap kriteria ODC untuk menghasilkan klasifikasi risiko klaim. Hasil penelitian menunjukkan bahwa klaim ODC mencapai 113 kasus (4,7%) dari seluruh klaim rawat inap, dengan diagnosis terbanyak sindrom nefrotik (18%), radioterapi (16%), dan pelepasan DJ stent (10,6%). Rata-rata potensi kerugian per kasus sebesar Rp.7.475.879 dengan estimasi kerugian tahunan lebih dari Rp.2,5 miliar. Simulasi model konseptual menunjukkan bahwa pemanfaatan data SIMRS memungkinkan identifikasi prospektif klaim ODC berisiko melalui mekanisme risk scoring dan flagging sebelum pasien dipulangkan. Kesimpulannya, analisis pola klaim ODC dapat menjadi dasar penyusunan model konseptual deteksi dini berbasis data SIMRS untuk mendukung pengelolaan klaim yang lebih akurat dan efisien tanpa memerlukan implementasi sistem teknologi yang kompleks.

References

1.     BPJS Kesehatan. Panduan Praktis: Administrasi Klaim Fasilitas Kesehatan (Faskes) BPJS Kesehatan. Jakarta: BPJS Kesehatan; 2021.

2.     Direktorat Pelayanan BPJS Kesehatan. Petunjuk Teknis Verifikasi Klaim. Jakarta: Direktorat Pelayanan BPJS Kesehatan; 2014.

3.     Albagmi S. Impact of Inaccurate Clinical Coding on Financial Outcome: A Study in a local hospital in Najran, Saudi Arabia. F1000Res. 2024;13:820.

4.     Ebbers T, Kool RB, Smeele LE, Dirven R, den Besten CA, Karssemakers LHE, et al. The Impact of Structured and Standardized Documentation on Documentation Quality; a Multicenter, Retrospective Study. J Med Syst. 2022;46(7):46.

5.     Bella CR, Pratama A, Abidin AZ. Gambaran Penyebab Pending Claim BPJS Kesehatan Akibat Ketidaktepatan Kode Diagnosis di Rumah Sakit Universitas Sebelas Maret (UNS). Jurnal Rekam Medik & Manajemen Informasi Kesehatan. 2024;3(2):7–17.

6.     Zalukhu LA, Permanasari VY. Scoping Review: Factors Causing Claim Pending in Indonesian Hospitals. Jurnal Health Sains. 2025;6(9):252–62.

7.     Stewart E, Connolly C. The govern(mentality) of financial reporting reform: lessons from UK central government. Public Management Review. 2024;27(4):1135–56.

8.     Luna D, Almerares A, Mayan JC, González Bernaldo de Quirós F, Otero C. Health Informatics in Developing Countries: Going beyond Pilot Practices to Sustainable Implementations: A Review of the Current Challenges. Healthc Inform Res. 2014;20(1):3–10.

9.     Kaipio J, Kuusisto A, Hyppönen H, Heponiemi T, Lääveri T. Physicians’ and nurses’ experiences on EHR usability: Comparison between the professional groups by employment sector and system brand. Int J Med Inform. 2020;134:104018.

10.   Kementerian Kesehatan RI. Indonesia Case Based Groups (INA-CBG) dan prinsip pengajuan klaim JKN di fasilitas kesehatan rujukan tingkat lanjutan [Internet]. Kementerian Kesehatan RI. 2019. Available from: https://www.kemkes.go.id/

11.   Konopik J, Blunck D. Development of an Evidence-Based Conceptual Model of the Health Care Sector Under Digital Transformation: Integrative Review. J Med Internet Res. 2023;25:e41512.

12.   du Preez A, Bhattacharya S, Beling P, Bowen E. Fraud detection in healthcare claims using machine learning: A systematic review. Artif Intell Med. 2025;160:103061.

13.   Villegas-Ortega J, Quiroz Aviles LN, Arancibia JN, Montenegro WC, Delgadillo R, Mauricio D. Methodology for Detecting Suspicious Claims in Health Insurance Using Supervised Machine Learning. Future Internet. 2025;17(12):584.

14.   Opitasari C, Nurwahyuni A. The Completeness and accuracy of clinical coding for diagnosis and medical procedure on the INA-CBGs claim amounts at a hospital in South Jakarta. Health Science Journal of Indonesia. 2018;9(1):14–8.

15.   Sitorus MS, Hasibuan PM, Erlindai, Christy J, Manik JR. Factors Causing Pending Claims in BPJS Participant Patients at Imelda Worker General Hospital Indonesia Medan Year 2022. Jurnal EduHealth. 2023;14(2):1118–24.

16.   Saputra WH, Prima A. E-Claim System For Health Insurance And Social Security (BPJS) Types In Indonesia: Innovation And Effectiveness Of Services. Journal of Society Medicine. 2022;1(1):14–24.

17.   Khoirunnisa D, Rahayu FM, Syahidin Y, Sari I, Yuniarty N. Design of JKN Claim Information System for Outpatient BPJS Patients with SDLC Method. Nuansa Akademik: Jurnal Pembangunan Masyarakat. 2023;8(2):299–310.

18.   Ahid M. Digital Verification Claim System (VEDIKA) BPJS Kesehatan Sidoarjo Regional Public Hospital In 2019. Journal of Public Health Research and Community Health Development. 2021;5(1):1–7.

19.   Amri AAU, Nurwahyuni A. Analisis Klaim Pending, Verifikasi dan Audit Pascaklaim Jaminan Kesehatan Nasional. Jurnal Ekonomi Kesehatan Indonesia. 2024 Dec 30;9(2):141–54.

20.     Centers for Medicare & Medicaid Services. Medicaid and Children’s Health Insurance Program (CHIP) Managed Care Access, Finance, and Quality. FederalRegister. FederalRegister; 2023.

21.   Azzolini E, Furia G, Cambieri A, Ricciardi W, Volpe M, Poscia A. Quality improvement of medical records through internal auditing: a comparative analysis. J Prev Med Hyg. 2019;60(3):E250–5.

22.   WHO. International Statistical Classification of Diseases and Related Health Problems (ICD). WHO; 2019.

23.    Buljac-Samardzic M, Doekhie KD, van Wijngaarden JDH. Interventions to improve team effectiveness within health care: a systematic review of the past decade. Hum Resour Health. 2020;18:2.

24.   Haux R. Health information systems – past, present, future. Int J Med Inform. 2006;75(3–4):268–81.

Recommended Citation

Dhamayanti, Grahyta and Arifin, Arifin (2026) "Analisis Klaim ODC dan Kesiapan Sistem Informasi Rumah Sakit dalam Mendukung Pengelolaan Klaim BPJS: Studi Kasus di RS. Fatmawati," Jurnal Biostatistik, Kependudukan, dan Informatika Kesehatan: Vol. 6: No. 1, Article 3.
DOI: 10.7454/bikfokes.v6i1.1131
Available at: https://scholarhub.ui.ac.id/bikfokes/vol6/iss1/3