Data Klaim Lima Tahun yang Tidak Bisa Disatukan: Mengapa Simulasi Tarif INA-CBG Sering Gagal di Tahap Data

Simulasi tarif INA-CBG hanya akurat jika didasarkan pada data klaim historis yang sudah distandardisasi — bukan sekadar "data lima tahun terakhir". Di banyak RS, data itu memang tersimpan, tetapi tersebar di format dan struktur yang berubah dari tahun ke tahun sehingga tidak bisa disatukan tanpa pembersihan ulang.

Masalah ini jarang muncul di rapat sampai simulasi tarif benar-benar dibutuhkan — misalnya saat menyusun proyeksi pendapatan tahun berikutnya atau saat mengevaluasi dampak perubahan kelas rawat. Begitu tim casemix mencoba menarik data tiga sampai lima tahun ke belakang, ternyata kolom diagnosis, kode prosedur, atau kelompok INA-CBG di tahun-tahun awal tidak sejalan dengan format yang dipakai sekarang.

Mengapa Data Klaim Lima Tahun RS Sering Tidak Bisa Disatukan

Data klaim lima tahun RS biasanya tidak bisa langsung disatukan karena setiap kali SIMRS diperbarui atau diganti, struktur tabel, nama kolom, dan kadang kode referensi internal ikut berubah — sementara dokumentasi tentang perubahan itu jarang dipelihara. Hasilnya, data tahun lama dan data tahun berjalan terlihat mirip tapi secara teknis tidak sebanding.

Beberapa penyebab paling umum:

• Migrasi SIMRS tanpa pemetaan kolom. Saat RS berganti sistem, data lama sering dipindahkan apa adanya tanpa kamus data (data dictionary) yang menjelaskan kolom mana sepadan dengan kolom baru. Tim yang menarik data tahun ini tidak tahu kolom los_hari di sistem lama setara dengan lama_rawat di sistem baru.
• Perubahan versi pengelompokan kasus. Pedoman pengelompokan INA-CBG sudah beberapa kali direvisi sejak diperkenalkan, terakhir melalui Permenkes 26/2021. RS yang tidak mencatat versi pengelompokan mana yang dipakai pada klaim tahun tertentu akan menyamakan kelompok kasus yang sebenarnya berbeda definisi.
• Inkonsistensi penulisan kode diagnosis dan prosedur antarkoder. Koder yang berbeda, pada tahun yang berbeda, bisa menuliskan kasus yang secara klinis sama dengan kode diagnosis sekunder yang berbeda urutan — yang pada gilirannya memengaruhi kelompok dan level severity yang terbaca dalam analisis historis.
• Data biaya aktual tidak tersimpan konsisten di luar sistem klaim. Tarif yang dibayarkan BPJS tersimpan rapi karena wajib dikirim melalui aplikasi klaim, tetapi biaya aktual RS (obat, BHP, jasa medis) sering tersimpan di sistem keuangan yang berbeda dan tidak otomatis terhubung ke episode klaim yang sama.

Satu per satu, penyebab ini terlihat kecil. Digabungkan lima tahun ke belakang, efeknya adalah data yang "ada" tetapi tidak bisa dipercaya untuk simulasi tanpa verifikasi ulang per tahun.

Apa yang Terjadi Jika Simulasi Tarif Dijalankan dari Data yang Belum Disatukan

Simulasi tarif yang dijalankan dari data yang belum disatukan akan menghasilkan angka yang terlihat presisi tetapi menyesatkan, karena perbandingan antar tahun sebenarnya membandingkan definisi yang berbeda-beda. Risikonya bukan "data kurang", tetapi keputusan anggaran yang dibangun di atas tren yang keliru.

Contoh paling umum: jika kelompok kasus dengan severity level tinggi di satu tahun sebenarnya memakai aturan pengelompokan versi lama, sementara tahun-tahun setelahnya memakai versi yang sudah direvisi, grafik yang dihasilkan bisa menunjukkan "penurunan proporsi kasus berat" yang sebenarnya adalah artefak perubahan definisi — bukan perubahan pola layanan di RS.

Dampak praktisnya mengarah ke Wadir Keuangan dan tim casemix dalam tiga bentuk:

1. Proyeksi pendapatan yang bias. Simulasi yang menyamakan tahun-tahun dengan basis berbeda akan melebih- atau mengurangkan proyeksi penerimaan klaim untuk kelompok kasus tertentu.
2. Prioritas audit internal yang salah sasaran. Jika data yang dipakai untuk menentukan kelompok kasus "paling sering selisih tarif" tidak konsisten, tim audit bisa menghabiskan waktu pada kelompok yang sebenarnya stabil, sementara kelompok yang benar-benar bermasalah tidak terdeteksi.
3. Argumen ke direksi yang mudah dipatahkan. Saat hasil simulasi dipakai untuk mengusulkan investasi (misalnya penguatan tim koding atau sistem pendukung keputusan klinis), angka yang berbasis data tidak konsisten mudah dipertanyakan validitasnya oleh pihak yang skeptis.

Variabel Inti yang Harus Konsisten Sebelum Data Dipakai untuk Simulasi

Variabel inti yang harus konsisten lintas tahun sebelum data klaim dipakai untuk simulasi tarif pada dasarnya adalah variabel yang menentukan ke kelompok INA-CBG mana sebuah episode jatuh, ditambah variabel biaya dan waktu rawat yang memengaruhi nilai klaimnya. Tanpa kesamaan definisi pada variabel ini, perbandingan antar tahun tidak berarti apa-apa.

Daftar inti yang perlu dicek konsistensinya:

• Nomor episode atau nomor SEP sebagai kunci penghubung antar sistem (klaim, rekam medis, keuangan).
• Diagnosis utama dan diagnosis sekunder, beserta versi kode ICD-10 yang dipakai pada tahun klaim tersebut.
• Kode prosedur yang dilakukan, termasuk perubahan jika ada migrasi ke pengelompokan prosedur yang baru.
• Kelas rawat dan jenis pelayanan (rawat inap atau rawat jalan).
• Lama rawat (length of stay) dengan satuan dan cara hitung yang sama setiap tahun.
• Kelompok INA-CBG dan level severity (I, II, atau III) yang dihasilkan grouper pada tahun klaim tersebut — bukan hasil pengelompokan ulang dengan versi grouper yang berbeda tanpa catatan.
• Tarif yang dibayarkan BPJS untuk episode tersebut.
• Biaya aktual RS untuk episode yang sama, ditautkan melalui nomor episode, bukan diperkirakan secara agregat.

Rumah sakit tidak perlu menyimpan semua ini dalam satu sistem tunggal. Yang dibutuhkan adalah kamus data yang menjelaskan di mana masing-masing variabel tersimpan, format aslinya pada setiap periode, dan bagaimana menautkannya — supaya proses penyatuan data tidak dikerjakan ulang dari nol setiap kali dibutuhkan.

Langkah Praktis Menyatukan Data Klaim Sebelum Simulasi Tarif

Langkah paling praktis untuk menyatukan data klaim lima tahun adalah memulai dari pemetaan struktur data per tahun, bukan langsung menggabungkan file mentah — karena penggabungan tanpa pemetaan hanya memindahkan masalah inkonsistensi ke tahap analisis.

Urutan kerja yang realistis untuk RS tipe C dan D dengan sumber daya terbatas:

1. Inventarisasi sumber data per tahun. Identifikasi dari sistem mana data diagnosis, prosedur, kelompok INA-CBG, lama rawat, dan biaya aktual ditarik untuk setiap periode — termasuk jika RS pernah berganti SIMRS di tengah periode tersebut.
2. Susun kamus data minimal. Untuk setiap variabel inti pada bagian sebelumnya, catat nama kolom asli per tahun, format, dan satuan. Dokumen ini tidak perlu rumit — tabel sederhana sudah cukup, asalkan dipelihara setiap kali ada perubahan sistem.
3. Uji pada sampel kecil dulu. Sebelum menyatukan seluruh data lima tahun, uji proses penautan dan standardisasi pada satu bulan atau satu kuartal dari setiap tahun. Jika hasil pengelompokan ulang pada sampel ini jauh berbeda dari angka yang pernah dilaporkan, berarti ada langkah mapping yang perlu diperbaiki sebelum melanjutkan ke seluruh data.
4. Libatkan tim casemix untuk validasi pengelompokan, bukan hanya tim IT untuk penarikan data. Tim IT bisa menarik data mentah, tetapi hanya tim casemix yang bisa memverifikasi apakah kelompok INA-CBG dan level severity pada data lama masih sebanding dengan aturan yang berlaku sekarang.
5. Simpan hasil penyatuan sebagai aset berkelanjutan, bukan proyek sekali jalan. Setelah data lima tahun berhasil disatukan untuk satu kebutuhan simulasi, simpan struktur dan kamus datanya agar penarikan data tahun berikutnya tidak mengulang pekerjaan dari awal.

Proyek ini biasanya memakan waktu lebih lama dari estimasi awal justru karena sebagian besar waktunya habis pada pemetaan dan verifikasi, bukan pada analisis itu sendiri. RS yang melewatkan tahap pemetaan dan langsung menjalankan simulasi dari data gabungan mentah berisiko mendapatkan hasil yang terlihat selesai, tetapi salah.

Dasar Hukum

• Permenkes 26/2021 tentang Pedoman Indonesian Case Base Groups (INA-CBG) dalam Pelaksanaan Program Jaminan Kesehatan — mengatur dasar pengelompokan kasus yang menjadi acuan setiap tarif klaim BPJS, dan menjadi rujukan untuk memastikan data historis dikelompokkan dengan versi pedoman yang berlaku pada periode klaim masing-masing.
• Keputusan Menteri Kesehatan HK.01.07/MENKES/1596/2024 tentang Standar Akreditasi Rumah Sakit, Bab Manajemen Rekam Medis dan Informasi Kesehatan (MRMIK) — mensyaratkan RS mampu menunjukkan data rekam medis dan informasi klinis yang konsisten dan dapat ditelusuri dari waktu ke waktu, yang menjadi dasar kebutuhan kamus data saat menyatukan data lintas tahun.
• Perpres 82 Tahun 2018 tentang Jaminan Kesehatan, Bab VII (Pasal 82) tentang kendali mutu dan kendali biaya pelayanan kesehatan dalam program Jaminan Kesehatan Nasional — menjadi dasar kewajiban RS memantau dan mengevaluasi pola biaya serta tarif klaim secara berkelanjutan, yang hanya bisa dijalankan dengan benar jika data yang dipantau konsisten antar periode.

FAQ

Berapa tahun data klaim yang idealnya disiapkan sebelum simulasi tarif INA-CBG?

Tidak ada angka baku dalam regulasi, tetapi semakin panjang rentang data — umumnya tiga sampai lima tahun — semakin stabil pola kasus dan tarif yang terbaca, sepanjang data itu sudah distandardisasi ke format yang sama. Data satu tahun saja rawan bias musiman atau insiden khusus yang tidak mewakili pola normal RS.

Siapa yang seharusnya memimpin proyek penyatuan data klaim di rumah sakit?

Wadir Keuangan biasanya menjadi pemilik proyek karena hasil simulasi tarif dipakai untuk perencanaan anggaran, tetapi pekerjaan teknisnya tidak bisa berjalan tanpa tim casemix yang memahami pengelompokan INA-CBG dan tim IT atau rekam medis yang menguasai struktur data di SIMRS dari tahun ke tahun.

Apakah data klaim yang sudah dikirim ke BPJS otomatis sudah standar untuk dianalisis internal?

Tidak otomatis. Data yang dikirim ke BPJS melalui aplikasi klaim sudah memenuhi format pengiriman, tetapi RS tetap perlu menarik dan menstrukturkan ulang data itu bersama data internal seperti biaya aktual dan lama rawat agar bisa dipakai untuk simulasi dan analisis varians tarif secara konsisten.

Sumber

• Peraturan Menteri Kesehatan No. 26 Tahun 2021 tentang Pedoman Indonesian Case Base Groups (INA-CBG) dalam Pelaksanaan Program Jaminan Kesehatan — JDIH Kemenkes.
• Keputusan Menteri Kesehatan HK.01.07/MENKES/1596/2024 tentang Standar Akreditasi Rumah Sakit, Bab MRMIK — JDIH Kemenkes.
• Peraturan Presiden No. 82 Tahun 2018 tentang Jaminan Kesehatan, Bab VII (Pasal 82) — JDIH Setkab.