BPJScan: Bagaimana AI Menganalisis Klaim BPJS dan Menemukan Potensi Optimasi Revenue

Ringkasan Eksplisit

BPJScan adalah platform AI yang menganalisis file klaim BPJS (TXT dari E-Klaim dan INA-CBG) secara otomatis untuk membantu rumah sakit menemukan potensi optimasi klaim. Dengan 78 filter analisis dalam 11 kategori — dari deteksi undercoding, audit ICD-10, hingga analisis kondisi spesifik — BPJScan membantu tim casemix dan manajemen RS mengoptimalkan klaim tanpa melanggar aturan. Artikel ini menjelaskan mengapa audit klaim manual sudah tidak cukup, bagaimana AI mengubah proses tersebut, dan apa yang membuat BPJScan berbeda.

Masalah: Potensi Optimasi Revenue yang Sering Luput dari Audit

BPJS Kesehatan melayani 280+ juta peserta di lebih dari 31.500 fasilitas kesehatan di seluruh Indonesia. Total klaim yang dibayarkan pada 2025 mencapai Rp 201 triliun — naik 14,9% dari Rp 175 triliun di 2024 (ANTARA, 2025).

Angka besar, tapi di balik itu ada tantangan yang jarang dibicarakan: potensi revenue yang belum tertangkap akibat variasi koding dan dokumentasi yang kurang lengkap.

Fakta yang Mengkhawatirkan

Beberapa studi menunjukkan skala masalahnya:

• 70,45% kode severity level salah dalam satu studi terhadap 44 kasus klaim (IJPHS, 2023)
• 55,88% koding diagnosis sekunder tidak akurat — padahal diagnosis sekunder menentukan severity level dan tarif INA-CBG
• 40,6% klaim pending disebabkan oleh kesalahan koding/input (Jurnal Health Sains)
• Rata-rata 4% potensi revenue belum tertangkap akibat dokumentasi yang belum lengkap dan variasi koding
• Pada Januari 2021, tercatat 440.749 kasus sengketa senilai Rp 873 miliar (Jurnal JKN BPJS)

Dan situasinya makin sulit. Di akhir 2024, 30% klaim RS tertahan oleh BPJS karena pengetatan verifikasi berdasarkan rekomendasi KPK (Tempo, 2024). Beberapa RS swasta bahkan menunda pembayaran gaji dokter.

Masalahnya bukan tarif INA-CBG yang rendah. Tarif sudah ditetapkan pemerintah dan tidak bisa dinegosiasi. Masalahnya adalah RS tidak mengklaim secara optimal sesuai yang seharusnya diterima.

Mengapa Audit Manual Sudah Tidak Cukup

Sebagian besar RS masih melakukan audit klaim secara manual — tim casemix atau koder mereview satu per satu. Pendekatan ini punya keterbatasan serius:

1. Volume vs. Kapasitas — RS menengah memproses ratusan hingga ribuan klaim per bulan. Review manual hanya menyentuh sampel kecil.

2. Konsistensi — Koder yang berbeda menghasilkan hasil audit yang berbeda. Tidak ada standar yang konsisten.

3. Waktu — Review manual baru selesai setelah klaim sudah diajukan. Kesalahan ditemukan setelah klaim ditolak — terlambat.

4. Pola Tersembunyi — Manusia sulit melihat pola seperti "dokter X cenderung undercoding severity untuk diagnosis Y" dari ribuan data. AI bisa.

5. Transisi iDRG — Per Oktober 2025, Indonesia bertransisi dari INA-CBG ke iDRG dengan ~22.000 kode diagnosis (FarmaGiTechs, 2025). Kompleksitas koding meningkat drastis — audit manual makin tidak realistis.

Secara global, AI sudah terbukti menurunkan kesalahan koding hingga 38% dan model hybrid AI+manusia mencapai akurasi 99% (HealthTech Magazine, 2025). Pasar AI untuk Revenue Cycle Management global diprediksi tumbuh dari $25,7 miliar (2025) menjadi $180 miliar pada 2034 (Towards Healthcare).

Indonesia perlu mengadopsi pendekatan yang sama — dan itulah yang dilakukan BPJScan.

Apa Itu BPJScan?

BPJScan adalah platform berbasis web yang menganalisis data klaim BPJS menggunakan AI. Cara kerjanya sederhana:

3 Langkah

1. Upload file TXT — File klaim standar dari E-Klaim atau INA-CBG. Bisa juga upload ZIP berisi data beberapa bulan sekaligus.

2. AI menganalisis — 78 filter dalam 11 kategori menganalisis setiap item klaim secara paralel. Rata-rata 2-5 menit untuk ratusan klaim.

3. Insight & Aksi — Dashboard interaktif menunjukkan peluang revenue, kesalahan koding, anomali kunjungan, dan rekomendasi aksi yang diprioritaskan.

78 Filter dalam 11 Kategori

BPJScan bukan sekadar "dashboard klaim". Ini adalah platform analisis komprehensif dengan kedalaman yang dirancang untuk berbagai stakeholder RS:

1. Analisis AI (13 Fitur)

Engine AI menggunakan Large Language Model (LLM) yang di-training khusus dengan konteks BPJS — bukan AI generik. Sistem tahu bahwa tarif INA-CBG ditetapkan pemerintah dan fokus pada optimasi internal: akurasi koding, efisiensi operasional, dan clinical pathways.

13 modul AI meliputi:

• Kinerja Keuangan — Revenue BPJS vs tarif RS, efisiensi per spesialisasi, deteksi anomali finansial
• Pola LOS — Distribusi Length of Stay, outlier, perbandingan antar dokter (DPJP)
• Pola Diagnosis — Top diagnosa, pola musiman, komorbiditas
• Pola INA-CBG — Distribusi grouping, revenue per group, kesesuaian grouping
• Casemix Index (CMI) — Skor kompleksitas RS, trend, benchmark antar spesialisasi
• Pola Prosedur — Top prosedur, frekuensi, kesesuaian dengan diagnosis
• Efisiensi DPJP — Produktivitas dokter, LOS per DPJP, kontribusi revenue
• Optimalisasi Revenue — Deteksi undercoding, peluang revenue yang terlewat
• Pendapatan per Poli — Revenue per spesialisasi, growth trends
• Dan 4 modul lainnya (demografi, cara masuk, kepulangan, BOR)

2. Audit Koding ICD-10 (3 Fitur)

Bukan AI yang "menebak" — ini rule-based validation berdasarkan aturan ICD-10 resmi:

• Combination Codes — Deteksi kasus yang seharusnya pakai 1 kode kombinasi, bukan terpisah
• Sequencing Errors — Validasi urutan kode (primary vs secondary), aturan dagger/asterisk, Code First
• Excludes Violations — Deteksi kode yang saling eksklusif digunakan bersamaan

3. Analisis Kunjungan & LOS (17 Fitur)

Filter untuk mendeteksi anomali kunjungan yang berisiko pending:

• LOS tinggi + severity ringan (risiko delay discharge)
• LOS rendah + severity berat (risiko premature discharge)
• Rawat inap satu hari (seharusnya rawat jalan?)
• Readmisi <30 hari
• Fragmentasi (3+ kunjungan dalam 30 hari untuk diagnosis sama)
• Kasus Non-Spesialistik (KNS) — 144 kode sesuai PMK 28/2014
• Screening TB & HIV compliance
• Dan 10 filter lainnya

4. Metrik Keuangan (8 Fitur)

Breakdown revenue hingga level terdalam:

• Tarif per DPJP, potensi top-up, cost component (obat, alkes, BHP, jasa)
• Selisih klaim per diagnosis, per INA-CBG, per prosedur
• Outlier analysis dan naik kelas

5. Visualisasi Kondisi Spesifik (29 Fitur)

Analisis mendalam per penyakit — masing-masing dengan logika audit khusus:

• Pneumonia, CHF, Stroke, PPOK, Asma
• Kanker & Kemoterapi, Hemodialisis
• Persalinan, Fetal Distress
• Amputasi DM, Infeksi Nosokomial
• Dan 19 kondisi lainnya

6-11. Kategori Tambahan

• Rekap Pengajuan Klaim — Ringkasan klaim khusus (alkes, ambulance, darah, obat kronis, kemo)
• Overview & Summaries — Dashboard ringkasan total
• Trend Multi-Bulan — Analisis trend keuangan, volume, klinis, dan operasional (dengan forecast untuk data >6 bulan)
• Kesesuaian Tarif — Validasi bedah, darah, radiologi
• Jelajah Data — Custom exploration tool (filter, sort, export)
• Purifikasi — Verifikasi SEP sebelum pengajuan klaim

Siapa yang Menggunakan BPJScan?

BPJScan dirancang untuk berbagai peran di RS:

Dipercaya 50+ Rumah Sakit

BPJScan digunakan oleh lebih dari 50 rumah sakit di 8+ provinsi — dari RS Tipe A (RSUP Dr. Hasan Sadikin, RSUP Dr. Mohammad Hoesin) hingga RS Tipe D, militer (RST Bhakti Wira Tamtama, LADOKGI RE Martadinata), dan RS swasta di seluruh Indonesia.

Platform ini terdaftar di PSE Komdigi dan mendukung integrasi dengan ekosistem MedMinutes lainnya: Clinical Assistant (CDSS), Medical Scribe, dan RME/SIMRS.

Persiapan Menghadapi iDRG

Transisi dari INA-CBG ke iDRG (Indonesia Diagnosis Related Group) per Oktober 2025 membawa perubahan besar:

• Dari ~1.077 kelompok tarif ke ~22.000 kode diagnosis
• Klasifikasi RS berubah dari Tipe A/B/C/D ke Basic, Intermediate, Main, Comprehensive
• Length of Stay menjadi faktor grouping — berbeda dari INA-CBG

BPJScan sudah disiapkan untuk transisi ini. AI engine dilatih dengan ketentuan koding terbaru dan akan di-update sesuai regulasi iDRG yang baru.

Mulai dalam 30 Menit

Jadwalkan demo 30 menit dan kami langsung gunakan data klaim real RS Anda — bukan simulasi. Anda bisa langsung lihat potensi revenue yang selama ini terlewat.

Jadwalkan Demo via WhatsApp →

FAQ

Apakah data klaim aman? Ya. Data diproses di cloud server yang aman, tidak disimpan permanen, dan tidak pernah dibagikan ke pihak ketiga. BPJScan terdaftar di PSE Komdigi.

Format file apa yang didukung? File TXT standar dari E-Klaim dan INA-CBG, serta ZIP berisi beberapa bulan data sekaligus. Paket Professional juga mendukung PDF untuk rekap pengajuan klaim (FPK).

Apakah bisa integrasi dengan SIMRS yang sudah ada? Bisa. BPJScan berjalan standalone — cukup upload file TXT klaim, tidak perlu mengganti SIMRS yang ada.

Referensi

1. ANTARA News. (2025). Klaim BPJS Kesehatan 2025 Rp 201 T, naik 14,9 persen dari 2024. Link
2. Tempo. (2024). Klaim Mandek di BPJS Kesehatan Melonjak 20 Persen. Link
3. IJPHS. (2023). Reduced Hospital Revenue Due to Error Code Diagnosis. Link
4. Jurnal JKN BPJS. Enhancing Clinical Coding Expertise via TAPK. Link
5. Jurnal Health Sains. Factors Causing Claim Pending. Link
6. HealthTech Magazine. (2025). AI in Medical Billing & Coding. Link
7. FarmaGiTechs. (2025). iDRG Effective October 2025. Link
8. Permenkes No. 26 Tahun 2021. Pedoman INA-CBG. Link