Mengamankan Akurasi Coding Rumah Sakit melalui Dukungan Sistem yang Terkelola

Ringkasan Eksplisit

Meningkatkan akurasi coding melalui dukungan sistem adalah pendekatan manajerial untuk memastikan proses penetapan diagnosis dan prosedur dilakukan secara konsisten, kronologis, dan dapat ditelusuri. Pendekatan ini penting karena ketergantungan pada interpretasi manual atas resume medis yang tidak seragam meningkatkan risiko undercoding, overcoding, dan klaim pending. Dampaknya terlihat pada ketepatan tarif INA/iDRG, kecepatan klaim JKN, serta kualitas analitik kinerja layanan.

Dalam praktik operasional, konteks penggunaan MedMinutes.io membantu menyajikan dokumentasi klinis terstruktur sebagai dukungan proses, bukan pengganti keputusan profesional.

Dasar Hukum Akurasi Coding dan Dukungan Sistem di Rumah Sakit

Akurasi coding rumah sakit bukan sekadar praktik terbaik, melainkan memiliki landasan regulasi yang mengikat dalam sistem kesehatan Indonesia. Berikut adalah dasar hukum yang relevan:

Peraturan Menteri Kesehatan Nomor 76 Tahun 2016 tentang Pedoman INA-CBG dalam Pelaksanaan JKN — Menetapkan pedoman penggunaan grouper INA-CBG yang menentukan tarif klaim berdasarkan kode diagnosis (ICD-10) dan prosedur (ICD-9-CM), sehingga akurasi coding menjadi penentu langsung besaran tarif yang diterima rumah sakit.
Peraturan Menteri Kesehatan Nomor 24 Tahun 2022 tentang Rekam Medis — Mengatur kewajiban penyelenggaraan rekam medis elektronik dan standar kelengkapan dokumentasi klinis yang menjadi input utama proses coding.
Peraturan Menteri Kesehatan Nomor 55 Tahun 2013 tentang Penyelenggaraan Pekerjaan Perekam Medis — Mengatur kompetensi dan tanggung jawab perekam medis dalam penetapan kode diagnosis dan prosedur, termasuk kualifikasi dan standar kerja yang harus dipenuhi.
Peraturan Presiden Nomor 82 Tahun 2018 tentang Jaminan Kesehatan — Mengatur mekanisme pembayaran klaim JKN yang berbasis case-based group, di mana ketepatan coding langsung memengaruhi kelancaran pembayaran dan arus kas rumah sakit.
Peraturan BPJS Kesehatan Nomor 7 Tahun 2020 tentang Petunjuk Teknis Verifikasi Klaim — Mengatur mekanisme verifikasi oleh verifikator BPJS yang menilai kesesuaian antara data klinis, coding diagnosis/prosedur, dan tarif yang diajukan, menjadikan akurasi coding sebagai syarat mutlak kelancaran klaim.
Keputusan Menteri Kesehatan Nomor HK.01.07/MENKES/1128/2022 tentang Standar Akreditasi Rumah Sakit — Mensyaratkan standar manajemen informasi dan dokumentasi klinis yang akurat sebagai elemen penilaian akreditasi, termasuk kualitas proses coding.
Peraturan Menteri Kesehatan Nomor 18 Tahun 2022 tentang Penyelenggaraan Satu Data Kesehatan melalui SATUSEHAT — Mewajibkan integrasi data kesehatan ke platform nasional, yang mensyaratkan standar data terstruktur sebagai fondasi akurasi coding lintas sistem.
Undang-Undang Nomor 17 Tahun 2023 tentang Kesehatan — Mengamanatkan penyelenggaraan sistem informasi kesehatan yang akurat dan terintegrasi, memperkuat kerangka hukum untuk implementasi dukungan sistem dalam proses coding.

Definisi Singkat

Akurasi coding berbasis dukungan sistem adalah proses penetapan kode diagnosis dan prosedur yang ditopang oleh data klinis terstruktur, kronologis, dan tervalidasi lintas unit layanan—sehingga keputusan coding menjadi konsisten, transparan, dan dapat ditelusuri. Pendekatan ini relevan pada alur berintensitas tinggi (misalnya IGD atau konferensi klinis) dan krusial bagi rumah sakit ber-volume tinggi, khususnya RS tipe B dan C.

Definisi Eksplisit

Akurasi coding adalah tingkat kesesuaian antara kondisi klinis pasien, tindakan yang dilakukan, dan kode diagnosis/prosedur yang ditetapkan sesuai standar nasional (ICD-10, ICD-9-CM/ICHI). Akurasi ini tidak hanya ditentukan oleh kompetensi individu coder, tetapi oleh kualitas input klinis, keterpaduan data, dan dukungan sistem yang memastikan hubungan diagnosis-tindakan tercatat secara konsisten sepanjang episode perawatan.

Dalam konteks sistem JKN, akurasi coding memiliki implikasi ganda: secara klinis menentukan ketepatan representasi kondisi pasien, dan secara finansial menentukan besaran tarif INA-CBG atau iDRG yang diterima rumah sakit. Kesalahan coding—baik undercoding maupun overcoding—berdampak langsung pada pendapatan dan kepatuhan regulasi rumah sakit.

Mengapa Akurasi Coding Menjadi Isu Strategis Rumah Sakit?

Akurasi coding bukan sekadar urusan teknis Casemix. Ia adalah jembatan antara layanan klinis, pendapatan rumah sakit, dan akuntabilitas sistem JKN. Ketika coding bergantung pada interpretasi manual terhadap resume medis yang tidak kronologis atau ambigu, risiko klaim pending dan koreksi berulang meningkat—menggerus efisiensi biaya dan memperlambat arus kas.

Beberapa alasan mengapa akurasi coding menjadi isu strategis bagi manajemen rumah sakit:

Dampak finansial langsung — Perbedaan satu kode diagnosis sekunder dapat mengubah severity level dan menghasilkan selisih tarif Rp2.000.000-Rp10.000.000 per kasus
Risiko regulasi — Overcoding yang terdeteksi oleh verifikator BPJS dapat berujung pada klaim yang ditolak dan potensi investigasi
Efisiensi operasional — Setiap klaim pending memerlukan rata-rata 3-5 jam kerja tim Casemix untuk klarifikasi
Kualitas data analitik — Coding yang tidak akurat mendistorsi data kinerja layanan, case-mix index, dan perencanaan kapasitas
Akreditasi rumah sakit — Standar akreditasi mensyaratkan dokumentasi dan coding yang akurat sebagai indikator mutu layanan

Masalah Klasik Coding Berbasis Interpretasi Manual

Rumah sakit yang masih mengandalkan proses coding manual menghadapi tantangan sistemik yang sulit diatasi hanya dengan pelatihan individu:

Resume medis tidak konsisten — Ringkas, tidak kronologis, atau tidak mengaitkan diagnosis-tindakan secara jelas. DPJP sering menulis resume secara naratif tanpa struktur yang dapat diterjemahkan langsung ke kode ICD.
Variasi interpretasi antar coder — Keputusan coding berbeda untuk kasus klinis serupa karena tidak ada standar input yang seragam. Dua coder dapat menghasilkan kode diagnosis utama yang berbeda untuk satu resume medis yang sama.
Rework pasca-pending — Klarifikasi dilakukan setelah klaim ditahan oleh verifikator BPJS, bukan sebelum pengiriman. Proses reaktif ini membuang waktu dan sumber daya.
Jejak keputusan terbatas — Sulit menelusuri dasar penetapan kode saat audit internal maupun eksternal karena proses coding tidak terdokumentasi secara sistematis.
Ketergantungan pada individu — Ketika coder senior cuti atau resign, konsistensi coding langsung terpengaruh karena pengetahuan tersimpan di individu, bukan di sistem.

Dampaknya meliputi undercoding, overcoding, miscoding, koreksi tarif INA/iDRG, dan distorsi analisis kinerja layanan. Sebuah studi operasional menunjukkan bahwa rumah sakit dengan proses coding manual mengalami rata-rata 10-15% klaim yang memerlukan revisi coding sebelum atau sesudah pengiriman.

Perbedaan Utama: Interpretasi Manual vs Dukungan Sistem

Aspek	Interpretasi Manual	Dukungan Sistem
Sumber data	Resume ringkas dan catatan terpisah antar unit	Data klinis terstruktur, kronologis, dan terintegrasi
Konsistensi	Bergantung pada interpretasi individu coder	Distandardisasi lintas kasus dengan parameter yang konsisten
Transparansi	Jejak keputusan terbatas, sulit di-audit	Traceability penuh dari data klinis ke kode yang ditetapkan
Waktu klarifikasi	Setelah klaim pending (reaktif)	Preventif sejak awal episode perawatan
Risiko klaim	Tinggi (undercoding, overcoding, miscoding)	Terkelola dengan validasi kontekstual otomatis
Skalabilitas	Terbatas oleh jumlah dan keahlian coder	Dapat menangani volume tinggi dengan konsistensi terjaga
Knowledge transfer	Hilang ketika coder resign atau mutasi	Tersimpan dalam sistem dan dapat diakses tim baru

Peran Dukungan Sistem dalam Meningkatkan Akurasi

Dukungan sistem dalam konteks akurasi coding bukan berarti menggantikan peran profesional coder atau perekam medis. Sebaliknya, sistem berfungsi sebagai enabler yang menyediakan fondasi data berkualitas untuk pengambilan keputusan coding yang lebih presisi:

Struktur dan kronologi — Mengikat diagnosis, prosedur, dan hasil penunjang dalam satu alur episode yang terdokumentasi secara sekuensial, memudahkan coder memahami perjalanan klinis pasien.
Validasi kontekstual — Membantu memastikan kesesuaian diagnosis-tindakan dengan memberikan peringatan saat terdapat inkonsistensi antara data klinis dan kode yang dipilih.
Konsistensi lintas kasus — Mengurangi variasi keputusan untuk kasus klinis sejenis melalui standarisasi input dan panduan coding yang terintegrasi dalam alur kerja.
Traceability — Menyediakan dasar audit yang jelas tanpa menyalahkan individu, sehingga proses quality improvement coding menjadi berbasis data, bukan asumsi.
Pendukung keputusan klinis — AI-CDSS (Clinical Decision Support System) membantu memvalidasi kesesuaian diagnosis dan terapi sesuai panduan klinis nasional.

Demo Gratis 30 Menit

Lihat langsung berapa
revenue RS Anda yang bocor

Dalam 30 menit, kami analisis data klaim RS Anda — langsung di depan Anda.

Jadwalkan Demo→

Tanpa biaya, tanpa kewajiban

Studi Kasus: RS Tipe B di Jawa Timur Mengurangi Undercoding melalui Dukungan Sistem

Sebuah rumah sakit tipe B di Jawa Timur dengan 250 tempat tidur dan rata-rata 2.500 pasien BPJS per bulan mengidentifikasi bahwa proses coding manual menjadi bottleneck utama dalam siklus klaim. Tim Casemix yang terdiri dari 5 orang menghabiskan sebagian besar waktu untuk klarifikasi reaktif pasca-pending.

Kondisi sebelum implementasi dukungan sistem:

Rata-rata 14% klaim memerlukan revisi coding (350 kasus/bulan)
Undercoding teridentifikasi pada 22% kasus rawat inap — severity level tidak terbaca karena diagnosis sekunder tidak tercatat lengkap
Estimasi revenue loss akibat undercoding: Rp280.000.000/bulan
Waktu rata-rata coding per kasus: 25 menit (termasuk mencari data penunjang manual)
3 dari 5 coder baru bergabung kurang dari 1 tahun dan belum memiliki pengalaman memadai

Intervensi yang dilakukan:

Implementasi dokumentasi klinis terstruktur berbasis SOAP yang mengintegrasikan data dari seluruh unit pelayanan
Sinkronisasi otomatis hasil laboratorium dan radiologi ke dalam episode perawatan
Penerapan monitoring klaim proaktif untuk mendeteksi inkonsistensi sebelum pengiriman
Standarisasi alur coding dengan panduan berbasis sistem yang menyajikan konteks klinis lengkap

Hasil setelah 8 bulan implementasi:

Klaim yang memerlukan revisi turun dari 14% menjadi 4% (100 kasus/bulan)
Undercoding berkurang dari 22% menjadi 6% — severity level lebih akurat
Peningkatan revenue Rp210.000.000/bulan dari koreksi undercoding
Waktu coding per kasus berkurang menjadi rata-rata 12 menit
Coder baru dapat mencapai konsistensi yang setara dengan coder senior dalam 3 bulan

Catatan: Data rumah sakit dianonimkan untuk menjaga kerahasiaan. Angka merupakan representasi dari pengalaman operasional rumah sakit sejenis.

Dampak Finansial Undercoding pada Berbagai Kasus Klinis

Kasus Klinis	Tanpa Diagnosis Sekunder Lengkap	Dengan Diagnosis Sekunder Lengkap	Selisih Tarif per Kasus
Pneumonia dengan DM Tipe 2	Severity I (tanpa komorbid)	Severity II (dengan komorbid DM)	Rp2.500.000 - Rp4.000.000
CHF dengan CKD Stage 3	Severity I	Severity III	Rp5.000.000 - Rp8.000.000
Stroke iskemik dengan hipertensi dan AF	Severity II	Severity III	Rp3.000.000 - Rp6.000.000
Appendektomi dengan peritonitis	Prosedur tanpa komplikasi	Prosedur dengan komplikasi	Rp4.000.000 - Rp7.000.000
Sectio caesarea dengan preeklampsia	SC elektif (severity rendah)	SC dengan komplikasi obstetrik	Rp3.500.000 - Rp5.500.000

Estimasi selisih tarif berdasarkan tabel tarif INA-CBG untuk RS tipe B/C kelas pemerintah. Angka aktual bervariasi sesuai regional dan kelas rumah sakit.

Reaktif vs Preventif: Perubahan Paradigma Coding

Pendekatan reaktif menunggu klaim pending lalu meminta klarifikasi ke DPJP atau unit terkait. Proses ini tidak hanya membuang waktu, tetapi juga sering menghasilkan informasi yang sudah tidak lengkap karena jarak waktu antara pelayanan dan klarifikasi. Dalam banyak kasus, DPJP tidak lagi mengingat detail klinis yang diperlukan untuk memperkuat justifikasi coding.

Pendekatan preventif menghadirkan dukungan sistem sejak awal episode perawatan sehingga potensi ketidaksesuaian terdeteksi lebih dini. Sistem menyajikan data klinis terstruktur yang memungkinkan coder membuat keputusan berdasarkan informasi yang lengkap dan kontekstual.

Pergeseran paradigma dari reaktif ke preventif menghasilkan dampak terukur:

Penghematan waktu Casemix — Rata-rata 40-60% waktu yang sebelumnya digunakan untuk klarifikasi dapat dialihkan ke analitik dan quality improvement
Percepatan layanan — Siklus klaim lebih cepat karena klaim dikirim dengan data lengkap sejak pertama kali
Stabilitas pendapatan — Arus kas lebih prediktabel karena pending rate menurun signifikan
Peningkatan moral tim — Coder bekerja dengan data yang berkualitas, bukan mengejar klarifikasi

Dengan BPJScan, rumah sakit dapat mengimplementasikan pendekatan preventif secara sistematis. BPJScan menyediakan 78 filter analisis yang mendeteksi potensi masalah klaim sebelum pengiriman, sehingga tim Casemix dapat fokus pada optimalisasi, bukan perbaikan.

Perspektif untuk Direksi RS dan Kepala Casemix (RS Tipe B/C)

Audiens utama: Direksi RS, Kepala Casemix, Manajemen Layanan Penunjang Medik di rumah sakit Indonesia ber-volume tinggi.

Akurasi coding yang ditopang sistem adalah fondasi efisiensi biaya, kecepatan layanan, dan tata kelola klinis yang dapat dipertanggungjawabkan.

Akurasi Coding sebagai Instrumen Tata Kelola dan Revenue Assurance

Bagi Direksi RS, akurasi coding bukan sekadar metrik operasional Casemix. Ia adalah instrumen tata kelola yang memiliki implikasi langsung pada tiga dimensi kritis:

Revenue assurance — Memastikan rumah sakit menerima tarif yang sesuai dengan kompleksitas pelayanan yang diberikan
Compliance — Memenuhi standar verifikasi BPJS dan persyaratan akreditasi rumah sakit
Data-driven management — Menyediakan data kinerja layanan yang akurat untuk pengambilan keputusan strategis

Jawaban Langsung

Apa itu dan manfaat utamanya? Akurasi coding berbasis dukungan sistem memastikan penetapan kode diagnosis/prosedur konsisten dan dapat ditelusuri, sehingga klaim lebih tepat, rework berkurang, dan arus kas lebih stabil.

Use-case singkat: Pada alur IGD, sistem menyatukan diagnosis awal, tindakan, dan hasil penunjang secara kronologis. Dibandingkan sistem tidak terintegrasi yang mengandalkan resume ringkas, pendekatan ini membantu coder menetapkan kode dengan dasar yang jelas tanpa menunggu klarifikasi pasca-pending.

Peran MedMinutes sebagai Enabler Akurasi Coding

Dalam praktik, MedMinutes.io berperan sebagai enabler integrasi dokumentasi klinis, validasi data lintas unit, dan dukungan proses coding. Fungsinya adalah menyajikan konteks klinis yang rapi dan konsisten agar keputusan coding lebih presisi—tanpa menggantikan penilaian profesional coder.

Ekosistem MedMinutes mendukung akurasi coding melalui beberapa komponen:

MedMinutes RME — Dokumentasi SOAP terstruktur yang menghasilkan resume medis lengkap dan kronologis, sesuai PMK 24/2022
AI Med Scribe — Transkripsi real-time konsultasi dokter-pasien yang menangkap informasi klinis yang sering terlewat dalam pencatatan manual
AI-CDSS — Validasi kesesuaian diagnosis dan terapi dengan panduan klinis nasional, memastikan konsistensi antara keputusan klinis dan coding
BPJScan — Monitoring klaim dengan 78 filter analisis untuk deteksi inkonsistensi coding sebelum klaim dikirim ke BPJS

Rangkuman: Dampak Manajerial dan Peran Sistem

Dimensi	Dampak	Peran Sistem
Klaim	Pending menurun signifikan	Validasi kontekstual dan kronologi data terintegrasi
Operasional	Rework berkurang 60-70%	Standarisasi input dan panduan coding terintegrasi
Keuangan	Arus kas lebih stabil dan prediktabel	Ketepatan penentuan tarif INA/iDRG
Tata kelola	Audit internal dan eksternal lebih jelas	Traceability penuh dari data klinis ke kode
SDM	Onboarding coder baru lebih cepat	Knowledge tersimpan di sistem, bukan individu

Langkah Implementasi Dukungan Sistem untuk Akurasi Coding

Bagi rumah sakit yang ingin beralih dari pendekatan coding manual ke pendekatan berbasis dukungan sistem, berikut tahapan implementasi yang direkomendasikan:

Audit baseline akurasi coding — Lakukan sampling 100-200 kasus untuk mengidentifikasi tingkat undercoding, overcoding, dan miscoding saat ini. Ukur pending rate dan waktu klarifikasi rata-rata.
Standarisasi dokumentasi klinis — Implementasikan format dokumentasi SOAP terstruktur yang menghasilkan resume medis kronologis dan lengkap, sesuai PMK 24/2022.
Integrasi data penunjang — Pastikan hasil laboratorium, radiologi, dan pemeriksaan penunjang lainnya tersinkron otomatis ke dalam episode perawatan.
Implementasi monitoring preventif — Gunakan tools monitoring klaim untuk mendeteksi inkonsistensi coding sebelum klaim dikirimkan ke BPJS.
Pelatihan berkelanjutan — Latih coder dan DPJP mengenai standar coding terkini dan alur kerja terintegrasi. Fokus pada kolaborasi, bukan blame culture.
Evaluasi berkala — Ukur improvement secara kuantitatif setiap 3 bulan: pending rate, undercoding rate, waktu coding per kasus, dan revenue impact.

Bagaimana Direksi RS Memastikan Akurasi Coding Tanpa Menambah Beban Administratif Klinisi?

Pertanyaan ini sering muncul ketika rumah sakit mempertimbangkan investasi pada sistem pendukung coding. Jawabannya terletak pada pendekatan yang tepat:

Investasi pada input, bukan output — Dengan dukungan sistem yang mengintegrasikan dokumentasi klinis sejak awal episode perawatan, data yang dibutuhkan coder sudah tersedia secara otomatis. DPJP tidak perlu mengisi formulir tambahan.
Sistem yang transparan — AI Med Scribe menangkap informasi klinis dari percakapan dokter-pasien secara real-time, tanpa menambah langkah kerja bagi klinisi.
Pendekatan preventif — Dengan validasi di awal proses, klarifikasi pasca-klaim berkurang drastis, sehingga beban administratif justru menurun.

Keputusan untuk meningkatkan akurasi coding sebaiknya diposisikan sebagai inisiatif tata kelola berbasis sistem—berdampak langsung pada efisiensi biaya, kecepatan layanan, dan akuntabilitas klinis.

Indikator Keberhasilan Implementasi Dukungan Sistem Coding

Untuk memastikan implementasi dukungan sistem coding berjalan efektif, rumah sakit perlu memonitor beberapa indikator kunci:

Pending rate — Target di bawah 5% dari total klaim yang dikirim
Undercoding rate — Diukur melalui coding audit sampling, target di bawah 8%
Waktu coding per kasus — Target pengurangan 40-50% dari baseline
Waktu klarifikasi — Target rata-rata di bawah 5 hari kerja per kasus
Case-mix index accuracy — Perbandingan antara CMI aktual dengan CMI yang seharusnya berdasarkan kompleksitas kasus
Revenue per kasus — Peningkatan tarif rata-rata per kasus sebagai indikasi akurasi severity level

Kesimpulan

Meningkatkan akurasi coding adalah investasi sistem, bukan semata pelatihan individu. Dukungan sistem yang menyajikan data klinis terstruktur, kronologis, dan tervalidasi membantu proses coding menjadi terkontrol, konsisten, dan dapat ditelusuri.

Bagi Direksi RS, pendekatan ini relevan untuk efisiensi biaya, percepatan layanan, dan penguatan tata kelola klinis. Dengan kerangka regulasi yang semakin menegaskan kewajiban dokumentasi elektronik (PMK 24/2022), integrasi data nasional (PMK 18/2022), dan standar akreditasi yang ketat (KMK 1128/2022), investasi pada dukungan sistem coding bukan lagi pilihan—melainkan keharusan strategis.

MedMinutes.io hadir sebagai konteks enabler integrasi, menyediakan ekosistem yang menghubungkan dokumentasi klinis terstruktur, validasi keputusan klinis melalui AI-CDSS, dan monitoring klaim proaktif—memastikan akurasi coding rumah sakit terjaga secara berkelanjutan.

FAQ

Apa itu akurasi coding berbasis dukungan sistem di rumah sakit?

Akurasi coding berbasis dukungan sistem adalah pendekatan penetapan kode diagnosis dan prosedur (ICD-10, ICD-9-CM) yang ditopang oleh data klinis terintegrasi, kronologis, dan tervalidasi lintas unit pelayanan. Berbeda dengan coding manual yang bergantung pada interpretasi individu atas resume medis, pendekatan ini memanfaatkan sistem informasi yang menyajikan konteks klinis lengkap, sehingga keputusan coding menjadi konsisten, transparan, dan dapat ditelusuri (traceable).

Mengapa akurasi coding penting bagi keberlanjutan pendapatan rumah sakit?

Ketepatan coding langsung memengaruhi tarif INA-CBG atau iDRG yang diterima rumah sakit. Undercoding menyebabkan rumah sakit menerima tarif lebih rendah dari yang seharusnya, sementara overcoding berisiko ditolak oleh verifikator BPJS. Selain dampak tarif, klaim pending akibat coding yang tidak akurat memperlambat arus kas dan membebani tim Casemix dengan proses klarifikasi berulang. Secara kumulatif, masalah akurasi coding dapat menyebabkan kerugian ratusan juta rupiah per bulan pada RS tipe B/C.

Bagaimana dukungan sistem membantu tim Casemix meningkatkan efisiensi?

Dukungan sistem membantu tim Casemix dengan tiga cara utama: (1) mengurangi variasi interpretasi melalui standarisasi input data klinis, (2) mempercepat proses coding karena data penunjang sudah terintegrasi dalam episode perawatan, dan (3) menyediakan dasar audit yang jelas untuk quality improvement coding. Dengan pendekatan preventif, tim Casemix dapat mengalihkan 40-60% waktu dari klarifikasi reaktif ke analitik dan optimalisasi coding.

Apa perbedaan undercoding dan overcoding, serta dampaknya pada klaim BPJS?

Undercoding adalah kondisi di mana kode diagnosis atau prosedur tidak mencerminkan seluruh kompleksitas klinis pasien, mengakibatkan severity level dan tarif INA-CBG lebih rendah dari yang seharusnya. Overcoding adalah kondisi sebaliknya, di mana kode yang ditetapkan melebihi kondisi klinis aktual, berisiko ditolak oleh verifikator BPJS dan berpotensi memicu investigasi. Keduanya berdampak negatif: undercoding merugikan pendapatan rumah sakit, sementara overcoding menimbulkan risiko regulasi dan reputasi.

Regulasi apa saja yang mewajibkan rumah sakit meningkatkan akurasi coding?

Beberapa regulasi utama meliputi: PMK 76/2016 tentang Pedoman INA-CBG yang mensyaratkan akurasi kode untuk penentuan tarif, PMK 24/2022 tentang Rekam Medis yang mewajibkan RME sebagai sumber data coding, PMK 55/2013 tentang Penyelenggaraan Pekerjaan Perekam Medis yang mengatur kompetensi coder, Peraturan BPJS 7/2020 tentang verifikasi klaim, serta KMK 1128/2022 tentang Standar Akreditasi RS yang memasukkan akurasi dokumentasi sebagai indikator mutu.

Berapa lama waktu yang dibutuhkan untuk melihat dampak dari implementasi dukungan sistem coding?

Berdasarkan pengalaman operasional rumah sakit di Indonesia, perbaikan awal terlihat dalam 2-3 bulan pertama, terutama pada penurunan pending rate dan pengurangan waktu coding per kasus. Dampak finansial yang signifikan—termasuk peningkatan revenue dari koreksi undercoding dan percepatan cashflow—umumnya terukur dalam 6-8 bulan implementasi. ROI penuh, termasuk efisiensi operasional tim Casemix, tercapai dalam 12 bulan.

Bagaimana BPJScan membantu mendeteksi masalah coding sebelum klaim dikirim?

BPJScan menyediakan analisis klaim proaktif dengan 78 filter yang mencakup konsistensi diagnosis-tindakan, kelengkapan data penunjang, kesesuaian severity level, dan deteksi potensi undercoding maupun overcoding. Dengan pendekatan preventif ini, tim Casemix dapat mengidentifikasi dan memperbaiki masalah coding sebelum klaim dikirimkan ke BPJS, sehingga mengurangi risiko pending, mempercepat pembayaran, dan mengoptimalkan tarif yang diterima rumah sakit.

Referensi

Peraturan Menteri Kesehatan Nomor 76 Tahun 2016 tentang Pedoman INA-CBG dalam Pelaksanaan JKN
Peraturan Menteri Kesehatan Nomor 24 Tahun 2022 tentang Rekam Medis
Peraturan Menteri Kesehatan Nomor 55 Tahun 2013 tentang Penyelenggaraan Pekerjaan Perekam Medis
Peraturan Presiden Nomor 82 Tahun 2018 tentang Jaminan Kesehatan
Peraturan BPJS Kesehatan Nomor 7 Tahun 2020 tentang Petunjuk Teknis Verifikasi Klaim
Keputusan Menteri Kesehatan Nomor HK.01.07/MENKES/1128/2022 tentang Standar Akreditasi Rumah Sakit
Peraturan Menteri Kesehatan Nomor 18 Tahun 2022 tentang Penyelenggaraan Satu Data Kesehatan melalui SATUSEHAT
Undang-Undang Nomor 17 Tahun 2023 tentang Kesehatan
WHO – ICD-10 Guidelines for Mortality and Morbidity Coding
BPJS Kesehatan – Pedoman Klaim JKN (konteks operasional)