Audit Medis Otomatis: Cara Mengurangi Fraud Klaim BPJS di Rumah Sakit [2026]
![Audit Medis Otomatis: Cara Mengurangi Fraud Klaim BPJS di Rumah Sakit [2026]](https://images.unsplash.com/photo-1454165804606-c3d57bc86b40?crop=entropy&cs=tinysrgb&fit=max&fm=jpg&ixid=M3wxMTc3M3wwfDF8c2VhcmNofDF8fGF1ZGl0fGVufDB8fHx8MTc3MTk5MDQ5OHww&ixlib=rb-4.1.0&q=80&w=2000)
Apa Itu Audit Medis Otomatis dan Mengapa Penting untuk Rumah Sakit?
Audit medis otomatis adalah proses evaluasi berbasis sistem digital terhadap kesesuaian antara diagnosis, tindakan medis, dan indikasi klinis dalam dokumentasi pasien, yang dilakukan secara real-time atau sebelum pengajuan klaim BPJS Kesehatan dalam skema INA-CBG. Berbeda dengan audit manual yang bersifat retrospektif dan sampling-based, audit medis otomatis mampu memeriksa seluruh klaim secara konsisten dan terstruktur.
Dalam konteks fraud klaim BPJS, audit medis otomatis berperan sebagai lini pertahanan pertama yang mendeteksi ketidaksesuaian dokumentasi klinis — seperti tindakan tanpa justifikasi diagnosis, kode ICD-10 yang tidak konsisten dengan prosedur, atau Length of Stay (LOS) yang tidak terjustifikasi — sebelum klaim diajukan ke verifikator BPJS Kesehatan.
Menurut data KPK tahun 2024, kerugian akibat fraud di bidang kesehatan Indonesia mencapai Rp 20 triliun. Angka ini mencakup berbagai bentuk kecurangan mulai dari upcoding, unbundling, hingga phantom billing. Bagi rumah sakit yang berkomitmen pada tata kelola klinis yang baik, audit medis otomatis bukan sekadar alat pencegahan fraud — melainkan fondasi integritas layanan dan stabilitas keuangan operasional.
Artikel ini membahas secara komprehensif bagaimana audit medis otomatis bekerja, dasar hukum yang mengaturnya, jenis-jenis fraud yang dapat dicegah, dampak finansial bagi rumah sakit, serta strategi implementasi yang dapat langsung diterapkan oleh Direksi RS dan Kepala Casemix.
Dasar Hukum Audit Medis dan Pencegahan Fraud Klaim BPJS
Implementasi audit medis otomatis di rumah sakit Indonesia didukung oleh sejumlah regulasi yang mewajibkan integritas dokumentasi klinis dan pencegahan kecurangan dalam program JKN. Berikut adalah dasar hukum utama yang perlu dipahami oleh manajemen RS:
| Regulasi | Substansi Utama | Relevansi dengan Audit Medis Otomatis |
|---|---|---|
| Permenkes No. 16 Tahun 2019 | Pencegahan dan Penanganan Kecurangan (Fraud) dalam Pelaksanaan Program Jaminan Kesehatan | Mewajibkan pembentukan Tim Pencegahan Kecurangan JKN di setiap RS; mengatur definisi, jenis, dan sanksi fraud |
| Perpres No. 82 Tahun 2018 jo. Perpres No. 59 Tahun 2024 | Jaminan Kesehatan (perubahan ketiga) | Mengatur mekanisme pembayaran klaim, KRIS, dan standar verifikasi |
| Permenkes No. 3 Tahun 2023 | Standar Tarif Pelayanan Kesehatan dalam Penyelenggaraan JKN | Mengatur tarif INA-CBG yang menjadi basis penghitungan klaim; akurasi koding berpengaruh langsung pada tarif |
| Permenkes No. 24 Tahun 2022 | Rekam Medis | Mengatur standar dokumentasi medis elektronik yang menjadi input utama audit otomatis |
| KMK HK.01.07/MENKES/1596/2024 | Standar Akreditasi Rumah Sakit terbaru | Mengharuskan audit medis dan audit klinik sebagai bagian kendali mutu oleh Komite Medis |
| UU No. 17 Tahun 2023 | Kesehatan | Mengatur sanksi pidana terhadap fraud dalam pelayanan kesehatan |
| Permenkes No. 76 Tahun 2016 | Pedoman INA-CBG | Mengatur mekanisme grouper dan koding yang menjadi objek audit |
Permenkes No. 16 Tahun 2019 secara eksplisit mendefinisikan fraud sebagai "tindakan yang dilakukan dengan sengaja untuk mendapatkan keuntungan finansial dari program Jaminan Kesehatan dalam Sistem Jaminan Sosial Nasional melalui perbuatan curang yang tidak sesuai dengan ketentuan peraturan perundang-undangan." Regulasi ini juga mewajibkan setiap fasilitas kesehatan untuk membentuk Tim Pencegahan dan Penanganan Kecurangan JKN (Tim PK-JKN) yang bertugas melakukan deteksi, investigasi, dan pelaporan.
Dengan adanya standar akreditasi RS terbaru (KMK 1596/2024) yang mengharuskan audit medis dan audit klinik sebagai bagian dari kendali mutu, kebutuhan akan sistem audit otomatis menjadi semakin mendesak — terutama bagi RS tipe B dan C dengan volume klaim tinggi yang tidak mungkin diaudit secara manual seluruhnya.
Jenis-Jenis Fraud Klaim BPJS yang Dapat Dicegah dengan Audit Otomatis
Berdasarkan Permenkes No. 16 Tahun 2019 dan kajian KPK, berikut adalah jenis-jenis fraud klaim BPJS yang paling umum terjadi di rumah sakit Indonesia beserta mekanisme pencegahan melalui audit otomatis:
1. Upcoding (Inflasi Kode Diagnosis)
Penggunaan kode ICD-10 dengan severity level yang lebih tinggi dari kondisi klinis aktual pasien untuk mendapatkan tarif INA-CBG yang lebih besar. Audit otomatis mendeteksi ini dengan membandingkan kode diagnosis terhadap data klinis objektif seperti hasil laboratorium, radiologi, dan catatan SOAP.
2. Unbundling (Fragmentasi Episode Layanan)
Memecah satu episode perawatan menjadi beberapa klaim terpisah untuk mendapatkan total pembayaran yang lebih tinggi. Sistem audit otomatis dapat mendeteksi pola klaim berulang dari pasien yang sama dalam jangka waktu berdekatan dengan diagnosis terkait.
3. Phantom Billing (Klaim Fiktif)
Mengajukan klaim untuk tindakan atau prosedur yang tidak pernah dilakukan. Audit otomatis melakukan cross-check antara kode prosedur ICD-9-CM dengan laporan operasi, catatan keperawatan, dan rekam medis elektronik.
4. Cloning Klaim
Menduplikasi data klaim dari pasien lain untuk pasien yang berbeda. Sistem audit mendeteksi kesamaan pola koding yang tidak wajar antar pasien dalam periode yang sama.
5. Manipulasi Length of Stay (LOS)
Memperpanjang atau memperpendek LOS secara tidak wajar untuk mengoptimalkan tarif. Audit otomatis membandingkan LOS aktual dengan LOS normatif berdasarkan diagnosis dan severity level.
6. Self-Referral
Merujuk pasien ke layanan atau fasilitas yang memiliki hubungan finansial dengan pemberi rujukan. Pola rujukan yang tidak wajar dapat dideteksi melalui analisis data klaim.
7. Inflated Bills (Penggelembungan Tagihan)
Menaikkan jumlah atau harga obat dan alat kesehatan yang digunakan melebihi kebutuhan klinis. Audit otomatis membandingkan konsumsi resources dengan standar clinical pathway.
| Jenis Fraud | Mekanisme Deteksi Otomatis | Tingkat Risiko di RS Indonesia |
|---|---|---|
| Upcoding | Validasi kode vs data klinis objektif | Tinggi |
| Unbundling | Analisis pola klaim berulang per pasien | Sedang-Tinggi |
| Phantom Billing | Cross-check prosedur vs rekam medis | Sedang |
| Cloning Klaim | Deteksi kesamaan pola koding antar pasien | Rendah-Sedang |
| Manipulasi LOS | Perbandingan LOS aktual vs normatif | Tinggi |
| Self-Referral | Analisis pola rujukan | Rendah |
| Inflated Bills | Benchmarking resources vs clinical pathway | Sedang |
Bagaimana Audit Medis Otomatis Bekerja: Alur dan Komponen Sistem
Audit medis otomatis yang efektif memerlukan integrasi beberapa komponen dalam ekosistem informasi rumah sakit. Berikut alur kerja dan komponen utamanya:
Alur Kerja Audit Medis Otomatis
- Input Data — Dokumentasi klinis masuk ke sistem melalui RME (Rekam Medis Elektronik), meliputi catatan SOAP, resume medis, hasil laboratorium, laporan operasi, dan catatan keperawatan.
- Validasi Otomatis Tahap 1 — Sistem memeriksa kelengkapan dokumen wajib: apakah resume medis lengkap, apakah hasil lab tersedia untuk diagnosis yang memerlukan konfirmasi objektif, apakah laporan operasi ada untuk prosedur bedah.
- Validasi Otomatis Tahap 2 — Pengecekan konsistensi klinis: apakah diagnosis utama konsisten dengan prosedur yang dilakukan, apakah komorbiditas yang terdokumentasi sudah dikode, apakah LOS sesuai dengan severity level.
- Flagging dan Scoring — Setiap klaim mendapat skor risiko berdasarkan jumlah dan jenis inkonsistensi yang ditemukan. Klaim dengan skor tinggi diprioritaskan untuk review manual oleh tim casemix.
- Review dan Koreksi — Tim casemix meninjau klaim yang di-flag, melakukan koreksi dokumentasi jika diperlukan, dan menyetujui klaim untuk submission ke BPJS.
- Submission — Klaim yang sudah tervalidasi diajukan ke BPJS Kesehatan dengan tingkat confidence yang lebih tinggi.
Komponen Teknologi yang Dibutuhkan
- Engine Validasi Koding — Memvalidasi kode ICD-10 dan ICD-9-CM terhadap aturan grouper INA-CBG
- Cross-Reference Database — Database hubungan antara diagnosis, prosedur, dan indikasi klinis
- AI/Machine Learning — Untuk mendeteksi pola anomali yang tidak terdeteksi oleh rule-based validation
- Dashboard Monitoring — Visualisasi real-time status audit per klaim, per unit, dan per DPJP
- Integrasi SIMRS — Koneksi dengan sistem informasi RS eksisting untuk mengakses data klinis
Dampak Finansial Fraud dan Audit yang Tidak Efektif
Fraud klaim BPJS dan audit yang tidak efektif menimbulkan dampak finansial yang signifikan bagi rumah sakit, baik secara langsung maupun tidak langsung.
Dampak Langsung
| Dampak | Estimasi Kerugian | Keterangan |
|---|---|---|
| Klaim pending akibat inkonsistensi dokumentasi | Rp 360-480 juta/bulan (RS Tipe C) | 6-8% klaim pending × rata-rata Rp 5 juta per klaim |
| Koreksi nilai klaim oleh verifikator | Rp 150-300 juta/bulan | Penurunan severity level akibat dokumentasi tidak mendukung |
| Sanksi administratif dari Tim PK-JKN | Bervariasi | Dapat berupa teguran, denda, hingga pemutusan kerja sama |
| Biaya SDM untuk audit manual | Rp 50-100 juta/bulan | Waktu koder dan tim casemix untuk review retrospektif |
Dampak Tidak Langsung
- Cash flow terganggu — Klaim pending berarti dana tertahan yang tidak bisa digunakan untuk operasional
- Reputasi RS menurun — RS yang sering terkena koreksi atau sanksi fraud akan kehilangan kepercayaan dari BPJS dan pasien
- Beban kerja meningkat — Tim casemix harus melakukan rework untuk klaim yang ditolak atau dipending
- Risiko hukum — UU No. 17 Tahun 2023 tentang Kesehatan mengatur sanksi pidana untuk fraud dalam pelayanan kesehatan
Simulasi Dampak Finansial: RS Tipe C (1.200 Klaim/Bulan)
| Skenario | Tanpa Audit Otomatis | Dengan Audit Otomatis | Selisih |
|---|---|---|---|
| Pending rate | 8% (96 klaim) | 2% (24 klaim) | -72 klaim |
| Nilai klaim tertahan/bulan | Rp 480 juta | Rp 120 juta | Rp 360 juta |
| Koreksi nilai klaim | 5% dari total | 1% dari total | -4% |
| Waktu verifikasi internal | 15 menit/klaim | 3 menit/klaim | -80% |
| Estimasi recovery per tahun | — | — | Rp 3-5 miliar |
Audit Manual vs Audit Otomatis: Perbandingan Komprehensif
| Aspek | Audit Manual | Audit Medis Otomatis |
|---|---|---|
| Cakupan | Sampling 10-15% klaim | 100% klaim teraudit |
| Waktu deteksi | Setelah layanan selesai (retrospektif) | Selama atau segera setelah episode perawatan |
| Konsistensi | Tergantung expertise auditor | Konsisten sesuai rule yang ditetapkan |
| Skalabilitas | Terbatas oleh jumlah SDM | Dapat menangani ribuan klaim tanpa penambahan SDM |
| Deteksi pola | Sulit mendeteksi pola lintas periode | Dapat menganalisis tren dan pola anomali |
| Biaya operasional | Tinggi (SDM intensif) | Investasi awal tinggi, biaya operasional rendah |
| Dokumentasi audit | Seringkali tidak terstandardisasi | Otomatis terdokumentasi dan terarsip |
| Feedback ke DPJP | Lambat dan tidak terstruktur | Real-time dan berbasis data |
Strategi Implementasi Audit Medis Otomatis di Rumah Sakit
Berikut adalah roadmap implementasi audit medis otomatis yang dapat langsung diterapkan oleh manajemen RS:
Fase 1: Assessment dan Persiapan (Minggu 1-4)
- Audit baseline: analisis 100-200 klaim terakhir untuk mengidentifikasi pola inkonsistensi
- Pemetaan alur dokumentasi klinis dari IGD/Poli hingga submission klaim
- Identifikasi titik-titik kritis di mana inkonsistensi paling sering terjadi
- Pembentukan Tim PK-JKN internal sesuai Permenkes 16/2019
- Evaluasi kesiapan infrastruktur IT (SIMRS, RME, konektivitas)
Fase 2: Implementasi Tools dan Training (Bulan 2-3)
- Deploy platform analisis klaim otomatis seperti BPJScan yang menganalisis file TXT klaim dengan 78 filter termasuk 13 modul AI khusus klaim BPJS
- Training tim casemix pada penggunaan tools dan interpretasi hasil audit
- Konfigurasi rule validation sesuai clinical pathway RS
- Integrasi dengan CDSS (Clinical Decision Support System) untuk validasi koding di titik dokumentasi
- Uji coba paralel: audit manual dan otomatis berjalan bersamaan selama 1 bulan
Fase 3: Operasionalisasi dan Optimasi (Bulan 3-6)
- Go-live audit otomatis sebagai proses standar sebelum submission klaim
- Monitoring dashboard: pending rate, koreksi rate, dan revenue recovery
- Feedback loop bulanan ke DPJP berdasarkan data audit
- Review dan update rule validation setiap kuartal
- Benchmarking dengan data nasional dan RS sejenis
Fase 4: Continuous Improvement (Bulan 6+)
- Analisis tren fraud per periode untuk identifikasi pola baru
- Pelaporan berkala ke Tim PK-JKN sesuai regulasi
- Pengembangan rule validation berdasarkan update regulasi (transisi iDRG, KRIS, dll.)
- Integrasi dengan sistem verifikasi pasca-klaim (VPK) dan audit administrasi klaim (AAK)
Peran Teknologi AI dalam Audit Medis Otomatis
Teknologi kecerdasan buatan (AI) membawa audit medis otomatis ke level yang lebih tinggi dibandingkan rule-based validation tradisional. Berikut peran spesifik AI dalam ekosistem audit medis:
Deteksi Anomali Berbasis Machine Learning
AI dapat mempelajari pola klaim normal dari data historis RS dan secara otomatis menandai klaim yang menyimpang dari pola tersebut. Ini mencakup anomali dalam kombinasi diagnosis-prosedur, pola LOS, dan distribusi severity level yang tidak wajar.
Natural Language Processing untuk Resume Medis
AI dengan kemampuan NLP dapat mengekstrak informasi klinis dari narasi SOAP dan resume medis, kemudian membandingkannya dengan kode ICD-10 yang diinput oleh koder. Ini mendeteksi komorbiditas yang tidak terkode atau diagnosis yang tidak konsisten dengan narasi klinis.
Predictive Analytics untuk Risiko Pending
Model prediktif dapat mengestimasi probabilitas suatu klaim akan dipending oleh verifikator BPJS berdasarkan karakteristik klaim — sehingga tim casemix dapat memprioritaskan review pada klaim berisiko tinggi.
Platform seperti BPJScan dari MedMinutes mengintegrasikan kemampuan AI ini dalam 13 modul analisis khusus klaim BPJS, memproses ratusan klaim dalam 2-5 menit dengan akurasi deteksi yang konsisten. Lebih dari 50 rumah sakit di Indonesia telah menggunakan platform ini untuk meningkatkan integritas klaim dan mengurangi pending rate.
Studi Kasus: Dampak Implementasi Audit Otomatis
RS Tipe C di Jawa Tengah (200 TT)
Sebuah RS tipe C dengan 200 tempat tidur dan volume klaim 1.200/bulan mengimplementasikan audit medis otomatis menggunakan BPJScan selama 3 bulan. Hasil yang dicapai:
| Metrik | Sebelum | Sesudah (3 Bulan) | Perubahan |
|---|---|---|---|
| Pending rate | 22% | 8% | -14% |
| Klaim dengan inkonsistensi dokumentasi | 12% | 3% | -9% |
| Waktu verifikasi internal per klaim | 18 menit | 5 menit | -72% |
| Revenue recovery per bulan | — | Rp 380 juta | Dari klaim yang sebelumnya pending/koreksi |
| Temuan audit yang ditindaklanjuti | 40% | 92% | +52% |
Perbaikan ini dicapai tanpa menambah jumlah koder atau tim casemix — murni dari efisiensi proses audit dan perbaikan dokumentasi di hulu.
Persiapan Menghadapi Transisi iDRG dan KRIS
Dua perubahan regulasi besar yang akan mempengaruhi audit medis otomatis di rumah sakit Indonesia:
Transisi dari INA-CBG ke iDRG
Indonesian Diagnosis Related Group (iDRG) menggunakan logic grouping yang lebih granular dan sensitif terhadap kode diagnosis dan prosedur. Implikasinya: audit medis otomatis harus mengupdate rule validation untuk mengakomodasi logika grouper baru. RS yang sudah terbiasa dengan audit otomatis akan lebih siap karena infrastruktur validasi sudah terbangun.
Kelas Rawat Inap Standar (KRIS)
Perpres 59/2024 mengatur transisi ke KRIS yang mengubah mekanisme pembayaran rawat inap. Audit otomatis perlu mengakomodasi perubahan tarif dan mekanisme pembayaran baru ini dalam validasi klaim.
RS yang sudah mengimplementasikan audit medis otomatis memiliki keunggulan signifikan dalam menghadapi transisi ini karena framework validasi sudah terbangun dan hanya perlu diupdate, bukan dibangun dari nol.
FAQ
Apa yang dimaksud dengan audit medis otomatis dalam konteks pencegahan fraud klaim BPJS?
Audit medis otomatis adalah proses evaluasi berbasis sistem digital terhadap kesesuaian antara diagnosis, tindakan medis, dan indikasi klinis dalam dokumentasi pasien. Proses ini dilakukan secara otomatis sebelum klaim BPJS diajukan dalam skema INA-CBG untuk mendeteksi inkonsistensi yang berpotensi memicu pending klaim, koreksi nilai, atau terindikasi sebagai kecurangan administratif.
Apa saja jenis fraud klaim BPJS yang paling sering terjadi di rumah sakit Indonesia?
Berdasarkan Permenkes No. 16 Tahun 2019, jenis fraud yang paling umum meliputi: upcoding (inflasi kode diagnosis untuk meningkatkan tarif), unbundling (fragmentasi episode layanan menjadi beberapa klaim), phantom billing (klaim fiktif untuk tindakan yang tidak dilakukan), cloning klaim, manipulasi Length of Stay, dan inflated bills (penggelembungan tagihan obat dan alat kesehatan). Data KPK tahun 2024 menunjukkan kerugian akibat fraud kesehatan mencapai Rp 20 triliun secara nasional.
Bagaimana audit medis otomatis berbeda dari audit manual tradisional?
Audit manual tradisional bersifat retrospektif dan sampling-based — biasanya hanya memeriksa 10-15% dari total klaim setelah layanan selesai. Audit medis otomatis memeriksa 100% klaim secara real-time atau near-real-time selama episode perawatan berlangsung. Audit otomatis juga lebih konsisten karena menggunakan rule yang terstandardisasi, dapat mendeteksi pola anomali lintas periode, dan menghasilkan dokumentasi audit yang terarsip otomatis.
Berapa investasi yang dibutuhkan untuk mengimplementasikan audit medis otomatis di RS?
Investasi bervariasi tergantung skala RS dan infrastruktur IT yang sudah ada. Untuk RS tipe C dengan 150-200 TT, pendekatan yang paling efisien adalah menggunakan platform audit klaim berbasis cloud seperti BPJScan yang tidak memerlukan investasi infrastruktur besar. ROI biasanya terlihat dalam 1-3 bulan pertama melalui penurunan pending rate dan recovery klaim yang sebelumnya tertahan, dengan potensi recovery Rp 3-5 miliar per tahun.
Apakah audit medis otomatis wajib menurut regulasi yang berlaku?
Meskipun belum ada regulasi yang secara spesifik mewajibkan penggunaan sistem audit otomatis, Permenkes No. 16 Tahun 2019 mewajibkan setiap fasilitas kesehatan untuk memiliki mekanisme pencegahan fraud. KMK 1596/2024 tentang Standar Akreditasi RS juga mensyaratkan audit medis dan audit klinik sebagai bagian dari kendali mutu. Dengan volume klaim yang tinggi di RS tipe B dan C, implementasi audit otomatis menjadi kebutuhan praktis untuk memenuhi kewajiban regulasi ini secara efektif.
Bagaimana kesiapan audit medis otomatis menghadapi transisi dari INA-CBG ke iDRG?
Transisi dari INA-CBG ke iDRG (Indonesian Diagnosis Related Group) akan menggunakan logic grouping yang lebih granular. RS yang sudah mengimplementasikan audit medis otomatis memiliki keunggulan karena framework validasi sudah terbangun dan hanya perlu diupdate sesuai logika grouper baru. Tanpa fondasi audit otomatis, RS harus membangun sistem dari awal saat transisi berlangsung — yang berarti periode rentan terhadap fraud dan inefisiensi klaim.
Apa peran Tim Pencegahan Kecurangan JKN (Tim PK-JKN) dalam audit medis otomatis?
Sesuai Permenkes 16/2019, Tim PK-JKN di rumah sakit bertugas melakukan deteksi, investigasi, dan pelaporan kecurangan. Audit medis otomatis berfungsi sebagai tools yang mendukung kerja Tim PK-JKN dengan menyediakan data deteksi dini yang terstruktur dan terdokumentasi. Output dari sistem audit otomatis — berupa flagging inkonsistensi, skor risiko, dan tren fraud — menjadi bahan investigasi dan pelaporan Tim PK-JKN kepada otoritas yang berwenang.
Kesimpulan
Audit medis otomatis merupakan fondasi tata kelola klinis modern yang memungkinkan rumah sakit menjaga integritas dokumentasi medis, mencegah fraud klaim BPJS, dan mengoptimalkan stabilitas arus kas operasional. Dengan dasar hukum yang kuat (Permenkes 16/2019, KMK 1596/2024, Perpres 59/2024) dan tuntutan volume klaim yang semakin tinggi, implementasi audit otomatis bukan lagi pilihan — melainkan kebutuhan strategis.
Tiga langkah konkret yang dapat segera dilakukan oleh Direksi RS dan Kepala Casemix:
- Bentuk Tim PK-JKN sesuai Permenkes 16/2019 jika belum ada, dan tetapkan mekanisme audit internal terstruktur
- Deploy platform audit klaim otomatis seperti BPJScan untuk mendapatkan baseline data inkonsistensi dan potensi recovery — analisis awal dapat dilakukan dalam hitungan menit
- Integrasikan audit otomatis dengan CDSS untuk mencegah inkonsistensi sejak tahap dokumentasi klinis, bukan hanya mendeteksi di tahap akhir
Untuk konsultasi implementasi audit medis otomatis di rumah sakit Anda, hubungi tim MedMinutes untuk demo dan analisis awal gratis.
Baca juga artikel terkait di Blog MedMinutes untuk panduan lengkap manajemen klaim BPJS dan optimasi revenue rumah sakit.
Referensi
- Kementerian Kesehatan RI. Permenkes No. 16 Tahun 2019 tentang Pencegahan dan Penanganan Kecurangan (Fraud) dalam Pelaksanaan Program Jaminan Kesehatan.
- Kementerian Kesehatan RI. Keputusan Menteri Kesehatan No. HK.01.07/MENKES/1596/2024 tentang Standar Akreditasi Rumah Sakit.
- Presiden Republik Indonesia. Perpres No. 59 Tahun 2024 tentang Perubahan Ketiga atas Perpres No. 82 Tahun 2018 tentang Jaminan Kesehatan.
- Kementerian Kesehatan RI. Permenkes No. 24 Tahun 2022 tentang Rekam Medis.
- Kementerian Kesehatan RI. Permenkes No. 3 Tahun 2023 tentang Standar Tarif Pelayanan Kesehatan dalam Penyelenggaraan Jaminan Kesehatan.
- Kementerian Kesehatan RI. Permenkes No. 76 Tahun 2016 tentang Pedoman INA-CBG.
- KPK. Kerugian akibat Fraud di Bidang Kesehatan Capai Rp 20 Triliun. Kompas, 19 September 2024.
- BPJS Kesehatan. Pedoman Verifikasi Klaim Fasilitas Kesehatan Rujukan Tingkat Lanjut. 2023.
- AHRQ. Clinical Documentation Improvement Toolkit.
- WHO. Guidelines on Clinical Documentation Integrity.
Dipercaya 50+ rumah sakit di 8+ provinsi
