Cara Baca File TXT INA-CBG E-Klaim: Panduan Teknis Lengkap untuk Koder dan Tim Casemix Rumah Sakit 2026

Berdasarkan analisis lebih dari 500 ribu record file TXT INA-CBG dari 50+ rumah sakit pengguna BPJScan di 8+ provinsi, panduan teknis ini memetakan struktur lengkap file TXT yang diekspor dari aplikasi E-Klaim Pusdatin Kementerian Kesehatan — dari 93 kolom canonical, format enkripsi AES-256-CBC dengan signature HMAC-SHA256, sampai 78 pola insight yang biasanya luput dari verifikator klaim. Panduan ini ditujukan untuk koder PMIK, verifikator internal RS, dan tim casemix yang ingin memvalidasi klaim secara mandiri sebelum diaudit BPJS.

TL;DR

• File TXT diekspor dari aplikasi E-Klaim INA-CBG (Pusdatin Kemkes, build 5.9.1 per April 2026).
• Tersedia 2 versi output: plain TSV (untuk arsip RS) dan encrypted (untuk dikirim ke BPJS via Defrada/SEP).
• Plain TSV: 93 kolom canonical, separator tab (\t), encoding UTF-8/ASCII, line terminator CRLF.
• Encrypted: envelope ----BEGIN ENCRYPTED DATA---- berisi base64 dari signature(10) || iv(16) || ciphertext.
• Algoritma: AES-256-CBC untuk ciphertext, HMAC-SHA256 (truncated 10 byte) untuk integrity signature.
• Key: KONSIL_RS_KEY hex 64 karakter (= 32 byte AES-256), di-issue Pusdatin saat instalasi E-Klaim per RS.
• Minimal 78 pola insight dapat diekstrak: severity outlier, episode mismatch, top-up missed, DPJP coding pattern, cost variance, ICU anomali, dan lainnya.
• Dasar hukum: Permenkes 26/2021 tentang Pedoman INA-CBG (kolom 1–78); kolom 79–93 = transisi iDRG (build 5.8+).

Section 1: Aplikasi E-Klaim INA-CBG — Background Singkat

Aplikasi E-Klaim INA-CBG dikembangkan dan didistribusikan oleh Pusat Data dan Informasi (Pusdatin) Kementerian Kesehatan sebagai aplikasi resmi untuk grouping klaim BPJS Kesehatan ke dalam tarif paket INA-CBG. Distribusi resmi melalui portal https://inacbg.kemkes.go.id dengan installer per RS yang sudah di-bind ke kode sarana fasyankes.

Versi yang aktif beredar per April 2026 adalah build 5.9.x. Build sebelumnya (5.8+) menambahkan 15 kolom transisi iDRG (Indonesian Diagnosis Related Group) sebagai bagian dari roadmap migrasi grouper INA-CBG → iDRG yang dicanangkan Pusdatin sejak 2023.

Output utama aplikasi terdiri dari:

1. Laporan Klaim Individual (TXT) — file utama yang dibahas tuntas di panduan ini.
2. Laporan Rekapitulasi (PDF) — agregat per CBG.
3. Surat Eligibilitas Peserta (SEP) — terhubung ke API BPJS Kesehatan.

Bagi tim casemix, file TXT Klaim Individual adalah satu-satunya source of truth untuk audit klaim per pasien. Format ini mengandung seluruh data koding (ICD-10, ICD-9-CM), tarif paket CBG, top-up sub-akut/kronis/Special CMG, serta 18 komponen biaya riil RS.

Reference: Petunjuk Teknis Aplikasi INA-CBG v5 — Pusat Data dan Informasi Kementerian Kesehatan RI. Dokumen panduan resmi pengoperasian aplikasi E-Klaim, mencakup instalasi, role pengguna, dan ekspor laporan.

Section 2: Cara Mengunduh File TXT (Step-by-Step)

Berikut langkah resmi mengunduh file TXT klaim individual dari aplikasi E-Klaim, sesuai dengan menu yang tersedia pada build 5.9.x:

1. Login ke aplikasi E-Klaim dengan role Verifikator atau Pelaporan. Role coder tidak memiliki akses unduh laporan.
2. Buka menu sidebar Laporan → submenu Klaim Individual (label lengkap: "Laporan Klaim Individual").
3. Pada filter Range Tanggal, pilih basis tanggal sebagai Tanggal Pulang (DISCHARGE_DATE), kemudian set rentang per bulan klaim (misal: 1–30 November 2025).
4. Filter Status Klaim: pilih Klaim Final jika tujuan ekspor adalah laporan resmi yang dikirim ke BPJS; pilih Semua Status untuk keperluan audit internal/insight (termasuk klaim yang masih draft).
5. Filter Jenis Rawat: pilih Rawat Inap (RANAP), Rawat Jalan (RAJAL), atau gabungan.
6. Klik tombol "Unduh TXT Encrypted" untuk versi terenkripsi yang dikirim ke BPJS.
7. Atau klik tombol "Unduh TXT" (plain) untuk versi TSV yang dapat langsung dibuka di Excel atau parser Python untuk arsip dan analisis internal RS.

Pola nama file yang dihasilkan mengikuti konvensi:

<kodeRS>_<bulan>_<RANAP|RAJAL>_<encrypted|plain>.TXT

Contoh: 3471063_2025-11_RANAP_plain.TXT atau 3471063_2025-11_RANAP_encrypted.TXT.

Catatan operasional: Beberapa RS yang memiliki SLA ketat dengan BPJS biasanya menyiapkan keduanya — encrypted untuk submission resmi, plain untuk arsip cadangan dan rekonsiliasi internal sebelum tutup buku bulan klaim.

Section 3: Struktur 93 Kolom Canonical

Berikut tabel reference lengkap 93 kolom file TXT INA-CBG. Tabel ini disusun berdasarkan parsing aktual oleh BPJScan terhadap 500+ ribu record dari 50+ RS pengguna di 8+ provinsi, dicross-check dengan Permenkes 26/2021 dan Petunjuk Teknis Pusdatin v5.

#	Field	Tipe	Contoh	Deskripsi	Wajib	Pasal Permenkes 26/2021
1	KODE_RS	str(7)	3471063	Kode Sarana RS dari Pusdatin	Y	Pasal 4
2	KELAS_RS	str(1)	C	Kelas RS A/B/C/D	Y	Pasal 4
3	KELAS_RAWAT	int(1)	3	Kelas perawatan 1/2/3 (BPJS)	Y	Pasal 4
4	KODE_TARIF	str(2)	CP	Regional tarif AP/BP/CP/DP/EP	Y	Pasal 4
5	PTD	int	1	Tipe pasien: 1=Rawat Inap, 2=Rawat Jalan, 3=IGD	Y	Pasal 5
6	ADMISSION_DATE	date	25/11/2025	Tanggal masuk format DD/MM/YYYY	Y	Pasal 5
7	DISCHARGE_DATE	date	01/12/2025	Tanggal pulang format DD/MM/YYYY	Y	Pasal 5
8	BIRTH_DATE	date	12/11/1985	Tanggal lahir	Y	—
9	BIRTH_WEIGHT	int	0	Berat lahir dalam gram (untuk neonatal)	N	—
10	SEX	int	1	1=Laki-laki, 2=Perempuan	Y	—
11	DISCHARGE_STATUS	int	1	1=APD (Atas Persetujuan Dokter), 2=APS (Atas Permintaan Sendiri), 3=Rujuk, 4=Meninggal, 5=Lain-lain	Y	Pasal 5
12	DIAGLIST	str	J18.9;I50.0;E11.9	ICD-10 utama+sekunder, separator semicolon	Y	Pasal 5
13	PROCLIST	str	93.90;38.93	ICD-9-CM prosedur, separator semicolon	N	Pasal 5
14	ADL1	int	0	Activities of Daily Living saat masuk	N	—
15	ADL2	int	0	Activities of Daily Living saat pulang	N	—
16	IN_SP	bool	0	Indikator Special Procedure (1=ada, 0=tidak)	N	Lampiran I
17	IN_SR	bool	0	Indikator Special Drug	N	Lampiran I
18	IN_SI	bool	0	Indikator Special Investigation	N	Lampiran I
19	IN_SD	bool	0	Indikator Special Prosthesis	N	Lampiran I
20	INACBG	str(11)	I-4-10-I	Kode CBG hasil grouper (CMG-CaseType-CBG-Severity)	Y	Pasal 5
21	SUBACUTE	str	None	Kode CBG sub-akut (jika applicable)	N	Pasal 6
22	CHRONIC	str	None	Kode CBG kronis (jika applicable)	N	Pasal 6
23	SP	str	None	Kode Special Procedure CMG	N	Lampiran I
24	SR	str	None	Kode Special Drug CMG	N	Lampiran I
25	SI	str	None	Kode Special Investigation CMG	N	Lampiran I
26	SD	str	None	Kode Special Prosthesis CMG	N	Lampiran I
27	DESKRIPSI_INACBG	str	Decompensasi Cordis Ringan	Deskripsi natural language CBG	Y	—
28	TARIF_INACBG	int	5421300	Tarif CBG dasar (Rp)	Y	Pasal 4
29	TARIF_SUBACUTE	int	0	Top-up sub-akut (Rp)	N	Pasal 6
30	TARIF_CHRONIC	int	0	Top-up kronis (Rp)	N	Pasal 6
31	DESKRIPSI_SP	str	None	Deskripsi Special Procedure	N	Lampiran I
32	TARIF_SP	int	0	Tarif Special Procedure (Rp)	N	Lampiran I
33	DESKRIPSI_SR	str	None	Deskripsi Special Drug	N	Lampiran I
34	TARIF_SR	int	0	Tarif Special Drug (Rp)	N	Lampiran I
35	DESKRIPSI_SI	str	None	Deskripsi Special Investigation	N	Lampiran I
36	TARIF_SI	int	0	Tarif Special Investigation (Rp)	N	Lampiran I
37	DESKRIPSI_SD	str	None	Deskripsi Special Prosthesis	N	Lampiran I
38	TARIF_SD	int	0	Tarif Special Prosthesis (Rp)	N	Lampiran I
39	TOTAL_TARIF	int	5421300	INACBG + semua top-up (yang dibayar BPJS)	Y	Pasal 4
40	TARIF_RS	int	7250000	Real cost RS (input manual oleh coder)	Y	—
41	TARIF_POLI_EKS	int	0	Top-up poli eksekutif (Rp)	N	Pasal 6
42	LOS	int	7	Length of Stay dalam hari	Y	Pasal 5
43	ICU_INDIKATOR	bool	0	1=pasien sempat di ICU, 0=tidak	N	—
44	ICU_LOS	int	0	Hari ICU	N	—
45	VENT_HOUR	int	0	Jam ventilator mekanik	N	—
46	NAMA_PASIEN	str	PASIEN UJI	Nama pasien (PHI — anonymize sebelum sharing)	Y	—
47	MRN	str	000000001	Medical Record Number RS	Y	—
48	UMUR_TAHUN	int	35	Umur dalam tahun	Y	—
49	UMUR_HARI	int	0	Umur dalam hari (untuk neonatal <30 hari)	Y	—
50	DPJP	str	dr. A	Dokter Penanggung Jawab Pelayanan	Y	—
51	SEP	str(19)	1234R0010125V001234	Surat Eligibilitas Peserta (BPJS)	Y	—
52	NOKARTU	str	0001234567890	Nomor kartu BPJS peserta	Y	—
53	PAYOR_ID	str	JKN001	Identifikasi payor (BPJS, asuransi swasta)	Y	—
54	CODER_ID	str	coder123	NIK/ID coder yang melakukan koding	Y	—
55	VERSI_INACBG	str	5.2	Versi grouper INACBG	Y	—
56	VERSI_GROUPER	str	5.2.0	Versi engine grouper	Y	—
57	C1	JSON-string	{}	Catatan biaya komponen 1 (free-form)	N	—
58	C2	JSON-string	{}	Catatan biaya komponen 2	N	—
59	C3	JSON-string	{}	Catatan biaya komponen 3	N	—
60	C4	JSON-string	{}	Catatan biaya komponen 4	N	—
61	PROSEDUR_NON_BEDAH	int	0	Komponen riil: prosedur non-bedah (Rp)	N	—
62	PROSEDUR_BEDAH	int	0	Komponen riil: prosedur bedah (Rp)	N	—
63	KONSULTASI	int	0	Komponen riil: konsultasi (Rp)	N	—
64	TENAGA_AHLI	int	0	Komponen riil: tenaga ahli (Rp)	N	—
65	KEPERAWATAN	int	0	Komponen riil: keperawatan (Rp)	N	—
66	PENUNJANG	int	0	Komponen riil: penunjang diagnostik lain (Rp)	N	—
67	RADIOLOGI	int	0	Komponen riil: radiologi (Rp)	N	—
68	LABORATORIUM	int	0	Komponen riil: laboratorium (Rp)	N	—
69	PELAYANAN_DARAH	int	0	Komponen riil: pelayanan darah (Rp)	N	—
70	REHABILITASI	int	0	Komponen riil: rehabilitasi medik (Rp)	N	—
71	KAMAR_AKOMODASI	int	0	Komponen riil: kamar/akomodasi (Rp)	N	—
72	RAWAT_INTENSIF	int	0	Komponen riil: rawat intensif/ICU (Rp)	N	—
73	OBAT	int	0	Komponen riil: obat (Rp)	N	—
74	ALKES	int	0	Komponen riil: alat kesehatan (Rp)	N	—
75	BMHP	int	0	Komponen riil: BMHP (Bahan Medis Habis Pakai) (Rp)	N	—
76	SEWA_ALAT	int	0	Komponen riil: sewa alat (Rp)	N	—
77	OBAT_KRONIS	int	0	Komponen riil: obat kronis (Rp)	N	—
78	OBAT_KEMO	int	0	Komponen riil: obat kemoterapi (Rp)	N	—
79	IDRG_DIAG_LISTS	str	J18.9;I50.0	Daftar diagnosis untuk grouper iDRG	N (5.8+)	—
80	IDRG_PROC_LISTS	str	93.90	Daftar prosedur untuk grouper iDRG	N (5.8+)	—
81	IDRG_MDC_NUMBER	str	04	Nomor Major Diagnostic Category iDRG	N (5.8+)	—
82	IDRG_MDC_DESCRIPTION	str	Respiratory System	Deskripsi MDC iDRG	N (5.8+)	—
83	IDRG_DRG_CODE	str	04-101	Kode DRG hasil grouper iDRG	N (5.8+)	—
84	IDRG_DRG_DESCRIPTION	str	Pneumonia	Deskripsi DRG iDRG	N (5.8+)	—
85	IDRG_COST_WEIGHT	float	1.0245	Cost weight (relative) DRG	N (5.8+)	—
86	IDRG_SA_COST_WEIGHT	float	0.0	Cost weight sub-akut iDRG	N (5.8+)	—
87	IDRG_CH_COST_WEIGHT	float	0.0	Cost weight kronis iDRG	N (5.8+)	—
88	IDRG_TOP_UP	int	0	Top-up iDRG (Rp)	N (5.8+)	—
89	IDRG_TOTAL_COST_WEIGHT	float	1.0245	Total cost weight setelah top-up	N (5.8+)	—
90	IDRG_NBR	int	0	Indikator Newborn iDRG	N (5.8+)	—
91	IDRG_TOTAL_TARIF	int	5520000	Total tarif iDRG hipotetik (Rp)	N (5.8+)	—
92	IDRG_GROUPER_VERSION	str	iDRG-1.0	Versi grouper iDRG	N (5.8+)	—
93	IDRG_LOGIC_VERSION	str	logic-1.0	Versi logic iDRG	N (5.8+)	—

Catatan: Untuk file TXT yang berasal dari E-Klaim build < 5.8, hanya kolom 1–78 yang muncul. Hindari hard-code parsing 93 kolom — selalu deteksi len(df.columns) terlebih dahulu untuk fallback ke 78 kolom legacy.

Section 4: Anatomi Kode INACBG

Kolom INACBG (kolom 20) adalah jantung file TXT. Format kanonik:

<CMG>-<CaseType>-<CBG>-<Severity>

Contoh: I-4-10-I artinya:

• I — CMG (Casemix Main Group). Huruf yang mewakili kategori klinis (sistem organ atau jenis layanan).
• 4 — CaseType (Tipe Kasus). Angka 1–9.
• 10 — Nomor CBG unik dalam CaseType.
• I — Severity (Tingkat Keparahan). Romawi.

Mapping CMG (huruf pertama)

Sebagian CMG yang sering muncul di file TXT RS umum:

• A — Infectious & Parasitic Diseases
• B — Hepatobiliary & Pancreatic
• C — Neoplasm Disorders
• D — Hematology & Immunology
• E — Endocrine, Nutritional & Metabolic
• G — Nervous System
• H — Eye & Adnexa / Ear, Nose, Mouth & Throat (per region)
• I — Cardiovascular
• J — Respiratory
• K — Digestive System
• L — Skin, Subcutaneous & Breast
• M — Musculoskeletal & Connective
• N — Female Reproductive
• O — Pregnancy, Childbirth & Puerperium
• P — Newborn & Other Neonates
• Q — Hematology, Chemo & Radiotherapy
• S — Burns
• T — Mental Health
• U — Dental
• W — Multiple Significant Trauma
• Z — Special Procedures (Sub-acute/Chronic, Imaging, dll)

Mapping CaseType (digit kedua)

• 1 — Prosedur Rawat Inap (Major)
• 2 — Prosedur Rawat Inap (Mid-tier)
• 3 — Prosedur Rawat Jalan
• 4 — Medical (Non-Prosedur) Rawat Inap
• 5 — Medical (Non-Prosedur) Rawat Jalan
• 6 — Obstetric (Persalinan)
• 7 — Obstetric (Non-Persalinan)
• 8 — Neonatal (Major)
• 9 — Neonatal (Mid-tier)

Severity (huruf terakhir)

• O — Ringan (mild). Penting: huruf "O" kapital, bukan angka 0.
• I — Sedang (moderate)
• II — Berat (severe)
• III — Sangat Berat (very severe / catastrophic)

Pitfall klasik: parsing severity dengan int() akan gagal karena nilainya huruf. Selalu gunakan string split: df['INACBG'].str.split('-').str[-1].

Section 5: Format File Encrypted — AES-256-CBC + HMAC-SHA256

Banyak koder mengira "Defrada" adalah algoritma enkripsi mythical yang dipatenkan BPJS. Yang benar: Defrada adalah nama protokol pertukaran data (Defrada = nama tools BPJS untuk decrypt klaim), sedangkan algoritma kriptografinya adalah scheme standar industri yang sangat well-defined.

Envelope File

----BEGIN ENCRYPTED DATA----
<base64 payload, line-wrapped per 64 karakter, terminator CRLF>
----END ENCRYPTED DATA----

Struktur Payload setelah base64 decode

Total panjang payload dalam byte (binary):

Offset	Panjang	Nama	Deskripsi
0	10 byte	signature	HMAC-SHA256(ciphertext, key) di-truncate ke 10 byte pertama
10	16 byte	iv	Initialization Vector AES-CBC (random per file)
26	sisa	ciphertext	AES-256-CBC ciphertext dengan PKCS7 padding

Key

KONSIL_RS_KEY adalah string hex sepanjang 64 karakter yang setara dengan 32 byte = AES-256 key. Key ini di-issue oleh Pusdatin saat instalasi aplikasi E-Klaim per RS, biasanya tersimpan di file konfigurasi installer dan tidak boleh dibagikan keluar tim teknis RS.

Catatan keamanan: KONSIL_RS_KEY adalah credential level RS. Jika hilang atau bocor, hubungi Pusdatin untuk re-issue. Jangan commit ke Git, jangan paste ke chat publik. BPJScan dan tools lain yang membaca file plain TXT tidak memerlukan key — hanya tools yang membaca file encrypted yang membutuhkannya.

Section 6: Cara Decrypt File TXT Encrypted (Pseudocode Python)

Pseudocode berikut sudah diverifikasi terhadap implementasi Flutter MedMinutes E-Claim v2 modul inacbg_eklaim_encrypt_decrypt.dart, dan menghasilkan output identik dengan tools resmi Pusdatin.

import base64
import io
import pandas as pd
from cryptography.hazmat.primitives.ciphers import Cipher, algorithms, modes
from cryptography.hazmat.primitives import hashes, hmac

def decrypt_eklaim_txt(path: str, key_hex: str) -> pd.DataFrame:
    """Decrypt and parse E-Klaim TXT encrypted file.

    Args:
        path: file path ke ----BEGIN ENCRYPTED DATA---- file
        key_hex: KONSIL_RS_KEY (hex string, 64 chars = 32 bytes)

    Returns:
        DataFrame dengan 78 atau 93 kolom canonical INA-CBG.

    Raises:
        ValueError: jika signature tidak match (file korup atau key salah)
    """
    raw = open(path, 'rb').read().decode('ascii')
    body = (raw
        .replace('----BEGIN ENCRYPTED DATA----', '')
        .replace('----END ENCRYPTED DATA----', '')
        .replace('\r', '')
        .replace('\n', '')
        .strip())
    blob = base64.b64decode(body)

    sig = blob[:10]
    iv  = blob[10:26]
    ct  = blob[26:]
    key = bytes.fromhex(key_hex)

    # Verify HMAC-SHA256 signature (truncated to 10 bytes)
    h = hmac.HMAC(key, hashes.SHA256())
    h.update(ct)
    expected_sig = h.finalize()[:10]
    if expected_sig != sig:
        raise ValueError(
            "SIGNATURE_NOT_MATCH — file mungkin korup, "
            "key salah, atau file dari RS lain"
        )

    # Decrypt AES-256-CBC
    cipher = Cipher(algorithms.AES(key), modes.CBC(iv))
    decryptor = cipher.decryptor()
    plain_padded = decryptor.update(ct) + decryptor.finalize()

    # Strip PKCS7 padding
    pad_len = plain_padded[-1]
    plain = plain_padded[:-pad_len]

    # Parse TSV
    return pd.read_csv(io.StringIO(plain.decode('utf-8')), sep='\t')


# Contoh penggunaan
if __name__ == '__main__':
    df = decrypt_eklaim_txt(
        path='3471063_2025-11_RANAP_encrypted.TXT',
        key_hex='0123456789abcdef' * 4  # 64 hex chars = 32 byte AES-256
    )
    print(f"Total record: {len(df)}, kolom: {len(df.columns)}")
    print(df[['MRN', 'INACBG', 'TARIF_INACBG', 'LOS']].head())

Untuk file plain (non-encrypted), parsing langsung:

df = pd.read_csv('plain.TXT', sep='\t', dtype={'KODE_RS': str, 'MRN': str, 'SEP': str})

Tips production: Gunakan dtype={'KODE_RS': str, 'MRN': str, 'SEP': str, 'NOKARTU': str} untuk mencegah pandas auto-cast ke int (yang akan strip leading zero — fatal untuk MRN seperti 000000001).

Section 7: Common Parsing Pitfalls

Berdasarkan parsing 500+ ribu record dari 50+ RS, berikut 8 jebakan paling sering yang menjebak engineer/data analyst yang baru pertama kali memproses TXT INA-CBG:

1. Format tanggal DD/MM/YYYY (bukan ISO 8601). Pandas default akan misparse 01/12/2025 sebagai 12 Januari 2025 (US format). Wajib eksplisit:

python df['ADMISSION_DATE'] = pd.to_datetime(df['ADMISSION_DATE'], format='%d/%m/%Y') df['DISCHARGE_DATE'] = pd.to_datetime(df['DISCHARGE_DATE'], format='%d/%m/%Y')

2. Separator DIAGLIST/PROCLIST = ; (semicolon), bukan koma. Diagnosis utama selalu elemen pertama:

python df['DIAG_PRIMARY'] = df['DIAGLIST'].str.split(';').str[0] df['DIAG_SECONDARY'] = df['DIAGLIST'].str.split(';').str[1:]

3. Severity adalah huruf 'O' uppercase, bukan angka 0. Saat parsing INACBG, jangan lakukan int(severity):

python df['SEVERITY'] = df['INACBG'].str.split('-').str[-1] # Hasil: ['O', 'I', 'II', 'III'] -- string, bukan int

4. Field C1–C4 adalah JSON-string dengan single quote. Python json.loads() hanya menerima double quote. Wajib replace:

python import json df['C1_PARSED'] = df['C1'].apply( lambda x: json.loads(x.replace("'", '"')) if pd.notna(x) and x != 'None' else {} )

5. Literal string 'None' untuk field kosong, bukan Python None atau NaN. Berlaku untuk SUBACUTE, CHRONIC, SP, SR, SI, SD, dan deskripsi/tarif terkait:

python import numpy as np df = df.replace('None', np.nan)

6. TARIF_RS = 0 adalah common case, bukan error. Sering muncul ketika coder belum input real cost RS. Filter saat menghitung variance:

python variance = df[df['TARIF_RS'] > 0].assign( margin=lambda d: d['TOTAL_TARIF'] - d['TARIF_RS'] )

7. Multi-RS files: ketika file TXT digabung dari beberapa cabang/yayasan, jangan asumsikan filename mencerminkan RS unik. Selalu group by KODE_RS dan scan rekursif:

python for kode_rs, group in df.groupby('KODE_RS'): process(kode_rs, group)

8. iDRG kolom (79–93) hanya muncul di build 5.8+. File legacy hanya punya 78 kolom. Jangan hard-code positional access:

python has_idrg = 'IDRG_DRG_CODE' in df.columns if has_idrg: compare_inacbg_vs_idrg(df)

Section 8: 78 Pola Insight yang Bisa Diekstrak (BPJScan Filter Mapping)

BPJScan menjalankan minimal 78 pola insight terstandar pada setiap file TXT yang di-upload. Berikut 15 pola paling representatif yang menggambarkan jenis temuan paling sering ditemukan tim casemix:

1. Severity 3 audit (overcoding flag)

Identifikasi klaim dengan severity III (sangat berat) yang tidak konsisten dengan profil klinis. Audit BPJS pasca-klaim sering targetkan severity III karena tarifnya tertinggi.

df['SEVERITY'] = df['INACBG'].str.split('-').str[-1]
suspect = df[(df['SEVERITY'] == 'III') & (df['LOS'] < 5)]

2. Episode mismatch / fragmentasi

Pasien yang sama (MRN sama) muncul di 2+ baris dalam rentang ≤ 7 hari. Bisa indikasi readmission yang harusnya digabung jadi 1 episode.

df_sorted = df.sort_values(['MRN', 'ADMISSION_DATE'])
df_sorted['DAYS_SINCE_LAST_DISCHARGE'] = df_sorted.groupby('MRN')['DISCHARGE_DATE'].shift().pipe(
    lambda s: (df_sorted['ADMISSION_DATE'] - s).dt.days
)
fragmentation = df_sorted[df_sorted['DAYS_SINCE_LAST_DISCHARGE'] <= 7]

3. High LOS Low Severity

LOS > 7 hari tapi severity O atau I. Indikasi koding under-severity atau medical necessity issue.

4. Low LOS High Severity

LOS < 4 hari tapi severity III. Indikasi overcoding atau diagnosis sekunder berlebih.

5. Top-up missed

Kombinasi diagnosis + prosedur yang seharusnya trigger Special CMG top-up (Streptokinase, Deferiprone, Hip Implant, PCI, Brakiterapi, Pancreatectomy, dan 30+ kriteria lain) tetapi field SP/SR/SI/SD kosong. Ini revenue leakage paling besar — single hospital tipe B umumnya kehilangan ratusan juta sampai miliaran rupiah per tahun karena pola ini.

# Pseudocode: untuk setiap topup criterion
for criterion in topup_criteria:
    inacbg_match = df['INACBG'].str.startswith(criterion['inacbg_prefix'])
    diag_match = df['DIAGLIST'].str.contains('|'.join(criterion['diagnosis_codes']), na=False)
    proc_match = df['PROCLIST'].str.contains('|'.join(criterion['procedure_codes']), na=False)
    no_topup = df[['SP', 'SR', 'SI', 'SD']].isna().all(axis=1)
    missed = df[inacbg_match & (diag_match | proc_match) & no_topup]

Daftar 36 kriteria top-up resmi mencakup: Streptokinase, Deferiprone, Deferoksamin, Deferasirox, Human Albumin (Septicaemia & Burn), Anti Hemofilia Factor, Subdural Grid Electrode, Contegra, TMJ Prothesis, Hip/Knee Implant, Prostesis Evar/Tevar, PCI, Keratoplasty, Pancreatectomy, Repair of Septal Defect with Prosthesis, Stereotactic Surgery & Radiotherapy, Torakotomi, Lobektomi/Bilobektomi/Pneumonektomi, Vitrectomy, Coil, Trombektomi, Percutaneous Endoscopy Gastrostomy, Nuclear Medicine, MRI, Diagnostic Imaging Eye, Phacoemulsification, Microlaringoscopy, Cholangiograph, Odontektomi, dan Brakiterapi.

6. DPJP coding pattern

Distribusi INACBG per DPJP. Dokter dengan severity III rate jauh di atas rata-rata RS = audit risk; di bawah rata-rata = under-coding training need.

dpjp_pattern = df.groupby(['DPJP', 'SEVERITY']).size().unstack(fill_value=0)
dpjp_pattern['SEV3_RATIO'] = dpjp_pattern.get('III', 0) / dpjp_pattern.sum(axis=1)

7. Cost variance per CBG

Identifikasi CBG yang konsisten loss-leader (TARIF_RS > TOTAL_TARIF). Bahan negosiasi internal untuk efisiensi protokol klinis atau bahan policy ke manajemen.

8. Special CMG underutilization

CBG yang eligible Special CMG (per Lampiran I Permenkes) tetapi field SP/SR/SI/SD kosong di seluruh klaim CBG tersebut selama bulan klaim. Tanda Special CMG tidak terimplementasi di RS.

9. Component cost outlier

Komponen 18 tarif riil (kolom 61–78). Outlier pada komponen tertentu (misal OBAT > 70% TARIF_RS untuk CBG medical sederhana) = audit lead untuk farmasi atau leak procurement.

10. Discharge status anomaly

Kombinasi DISCHARGE_STATUS = 4 (Meninggal) dengan severity O (ringan). Hampir pasti error koding atau salah klasifikasi.

11. Neonatal age mismatch

UMUR_TAHUN ≠ 0 atau UMUR_HARI > 30 tetapi INACBG masuk CMG P (Newborn) atau CaseType 8/9. Salah grouping neonatal.

12. ICU without VENT

ICU_INDIKATOR = 1 dan ICU_LOS > 0 tetapi VENT_HOUR = 0. Bisa valid (ICU non-ventilator) atau bisa coding error — review per kasus.

13. Respiratory failure flag

Diagnosis J96 (Respiratory failure) di DIAGLIST tetapi tidak ada VENT_HOUR atau ICU. Major audit red flag.

14. iDRG vs INACBG cost weight diff

Bandingkan TARIF_INACBG (kolom 28) dengan IDRG_TOTAL_TARIF (kolom 91) hipotetik. Diff besar = preview revenue impact saat migrasi resmi ke iDRG.

15. Coder consistency

CODER_ID + INACBG distribution. Coder dengan CBG profile yang anomali dibanding peer (misal severity III rate 3× lipat) = training opportunity, atau audit lead.

Sisanya 63 pola insight lain mencakup: episode RAJAL→RANAP yang seharusnya merge, top-up sub-akut/kronis missed, Special CMG yang ter-trigger tapi salah CBG, DPJP-CMG specialty mismatch, BMHP-procedure consistency, length-of-care vs CBG payment match, regional tariff cross-check, payor consistency, dan analisis per komponen biaya riil.

Section 9: Use Cases Praktis — Untuk Siapa Panduan Ini?

Persona	Use Case Utama	Manfaat
Koder / PMIK	Validasi koding sebelum submit ke verifikator internal	Menghindari koding ulang, mengurangi reject pasca-submission
Verifikator Internal RS	Simulasi grouper, pre-submit check, sampling audit	Memastikan klaim final sebelum dikirim ke BPJS
Kepala Casemix	Monitoring konsistensi koder, identifikasi training needs	Standardisasi koding antar coder, governance casemix
Wadir Keuangan / Finance	Cost variance analysis, revenue leakage tracking	Mengidentifikasi top-up missed dan loss-leader CBG
Tim Compliance / Audit Internal	Defensive audit sebelum BPJS audit pasca-klaim	Mengurangi risiko temuan dispute klaim oleh BPJS
Direktur RS	Dashboard ringkas: variance, severity mix, DPJP pattern	Decision support untuk policy klinis dan keuangan

Section 10: Otomasi 78 Pola dengan BPJScan

Membaca file TXT INA-CBG secara manual di Excel bisa dilakukan untuk file kecil (< 1.000 record). Untuk RS dengan volume klaim > 5.000 record per bulan, parsing manual praktis tidak feasible — terutama untuk pola insight kompleks seperti episode mismatch, top-up missed (36 kriteria), atau DPJP coding pattern yang memerlukan agregasi multi-tabel.

BPJScan adalah aplikasi MedMinutes yang otomasi seluruh 78 pola insight di atas dari file TXT INA-CBG yang di-upload, dengan dashboard yang dirancang khusus untuk koder, kepala casemix, wadir keuangan, dan direktur RS. Tidak perlu setup database, tidak perlu install grouper — cukup upload file TXT (plain atau encrypted), tunggu 24 jam, hasil insight tampil dalam bentuk dashboard interaktif beserta export Excel siap presentasi.

Berdasarkan analisis 500+ ribu record dari 50+ rumah sakit di 8+ provinsi, BPJScan rata-rata mengidentifikasi Rp3 miliar+ klaim under-claim atau top-up missed per tahun per RS tipe B/C — angka yang signifikan untuk negosiasi internal efisiensi farmasi, training koder, atau policy casemix.

Pelajari lebih lanjut: BPJScan — Audit Klaim BPJS Otomatis.

FAQ

1. Apa itu file TXT INA-CBG?

File TXT INA-CBG adalah file laporan klaim individual yang diekspor dari aplikasi E-Klaim INA-CBG milik Pusdatin Kementerian Kesehatan. File ini berisi data koding (ICD-10, ICD-9-CM), grouping CBG, tarif paket, dan komponen biaya riil RS untuk setiap pasien yang diklaim ke BPJS Kesehatan. Format: TSV (tab-separated values), encoding UTF-8, 78 atau 93 kolom tergantung versi build aplikasi E-Klaim.

2. Berapa kolom dalam file TXT INA-CBG?

File TXT INA-CBG dari E-Klaim build 5.8+ memiliki 93 kolom canonical, terdiri dari 78 kolom data klaim utama (sesuai Permenkes 26/2021) dan 15 kolom transisi iDRG. File dari E-Klaim build < 5.8 hanya memiliki 78 kolom. Selalu deteksi len(df.columns) untuk fallback parsing.

3. Algoritma enkripsi apa yang dipakai E-Klaim?

E-Klaim menggunakan AES-256-CBC untuk encryption ciphertext, dengan HMAC-SHA256 (di-truncate ke 10 byte pertama) sebagai integrity signature. File terenkripsi dibungkus dalam envelope ----BEGIN ENCRYPTED DATA---- berisi base64 dari signature(10) || iv(16) || ciphertext. Bukan algoritma proprietary — ini scheme cryptographic standar yang dapat diimplementasi dengan library cryptography di Python atau encrypt di Dart/Flutter.

4. Apa beda file TXT plain dan encrypted?

File TXT plain adalah TSV langsung yang dapat dibuka di Excel atau parser apapun, ditujukan untuk arsip dan analisis internal RS. File TXT encrypted dibungkus dalam envelope ----BEGIN ENCRYPTED DATA----, ditujukan untuk submission resmi ke BPJS Kesehatan via Defrada/SEP. Konten klaim identik — beda hanya pada layer keamanan transmisi.

5. Bagaimana mendapatkan KONSIL_RS_KEY untuk decrypt?

KONSIL_RS_KEY adalah credential level RS yang di-issue oleh Pusdatin saat instalasi aplikasi E-Klaim per RS. Key disimpan di file konfigurasi installer di server E-Klaim RS. Untuk audit internal, hubungi tim IT RS yang menginstall E-Klaim. Key tidak boleh di-share keluar tim teknis RS, tidak boleh di-commit ke Git, dan jika hilang/bocor harus di-reissue oleh Pusdatin.

6. Apa saja insight yang bisa diekstrak dari file TXT INA-CBG?

Minimal 78 pola insight dapat diekstrak, antara lain: severity outlier (III audit), episode mismatch / fragmentasi readmission, high LOS low severity, low LOS high severity, top-up missed (36 kriteria Special CMG), DPJP coding pattern, cost variance per CBG, Special CMG underutilization, component cost outlier, discharge status anomaly, neonatal age mismatch, ICU without ventilator, respiratory failure flag, iDRG vs INACBG cost weight diff, dan coder consistency. Tools seperti BPJScan mengotomasi seluruh 78 pola.

7. Format tanggal di file TXT INA-CBG?

Format tanggal kanonik di file TXT INA-CBG adalah DD/MM/YYYY (bukan ISO 8601). Berlaku untuk kolom ADMISSION_DATE (kolom 6), DISCHARGE_DATE (kolom 7), dan BIRTH_DATE (kolom 8). Saat parsing dengan pandas, wajib pakai pd.to_datetime(..., format='%d/%m/%Y') untuk menghindari misparse ke US format (MM/DD/YYYY).

8. Apakah file TXT bisa dibaca dengan Excel?

File TXT plain bisa dibaca dengan Excel via Data → From Text/CSV → pilih separator tab. Untuk file < 1.000 record, Excel cukup. Namun untuk volume produksi RS (5.000+ record per bulan), Excel praktis tidak feasible karena: (a) parsing JSON di kolom C1–C4 tidak native, (b) cross-tabulation untuk 78 pola insight memerlukan pivot kompleks, (c) Excel membatasi ke 1.048.576 baris. Untuk volume produksi, gunakan parser Python (pandas) atau tools dedicated seperti BPJScan.

---