Selisih Tarif INA-CBG: 4 Penyebab Revenue Leakage RS

Setiap bulan, tim casemix di banyak rumah sakit Indonesia mengirimkan klaim INA-CBG dengan keyakinan bahwa kodingnya sudah benar. Tapi di balik angka reimbursement yang masuk, ada selisih yang tidak terlihat — antara apa yang semestinya diterima RS dan apa yang benar-benar dibayarkan BPJS Kesehatan.

Selisih ini bukan kecelakaan administratif. Ini adalah revenue leakage yang bersifat struktural: muncul dari pola koding, dokumentasi, dan proses verifikasi yang tidak optimal, dan berulang setiap bulan tanpa disadari.

Bagi Direktur RS dan Wadir Keuangan, memahami 4 akar penyebab revenue leakage INA-CBG adalah langkah pertama menuju pemulihan pendapatan yang seharusnya sudah menjadi hak RS.

Bagaimana INA-CBG Menentukan Tarif: Titik Kritis yang Sering Terlewat

Sebelum membahas penyebab selisih, penting memahami mekanisme tarif INA-CBG.

Berdasarkan Permenkes No. 26 Tahun 2021 tentang Pedoman Indonesian Case Base Groups (INA-CBG) — yang menggantikan Permenkes 76/2016 dan Juknis 27/2014 — sistem INA-CBG mengelompokkan 1.075 kelompok kasus (786 rawat inap, 289 rawat jalan). Setiap kasus dimasukkan ke dalam satu kelompok berdasarkan:

Diagnosis utama — dikode menggunakan ICD-10 versi 2010 (WHO)
Diagnosis sekunder — komorbiditas dan komplikasi, dikode dengan ICD-10 versi 2010
Prosedur/tindakan — dikode menggunakan ICD-9-CM versi 2010
Karakteristik pasien — usia, jenis kelamin, kondisi saat keluar

Dari kombinasi ini, grouper INA-CBG menentukan severity level yang mengatur besaran tarif dalam satu kelompok kasus. Semakin akurat koding keempat komponen di atas, semakin tepat reimbursement yang diterima RS.

Masalahnya: jika satu saja dari keempat komponen ini tidak lengkap atau tidak akurat, tarif yang dihasilkan grouper bisa jauh di bawah biaya aktual RS — dan RS menanggung selisihnya.

Penyebab 1 — Undercoding Diagnosa Sekunder

Ini adalah penyebab revenue leakage yang paling berdampak sekaligus paling sering diabaikan.

Penelitian di berbagai RS Indonesia secara konsisten menemukan bahwa lebih dari 60–70% kasus rawat inap dikode pada severity level I (ringan), padahal sebagian besar pasien rawat inap memiliki komorbiditas yang seharusnya menaikkan severity ke level II atau III.

Komorbiditas yang paling sering terlewat: diabetes melitus, hipertensi, anemia, gagal ginjal kronis, dan infeksi sekunder. Kondisi ini hampir selalu ada dalam catatan perawatan, namun tidak masuk ke resume medis — dan koder tidak punya dasar hukum untuk mengodenya jika tidak tercantum dalam resume.

Dampak finansialnya konkret. Perbedaan tarif antara severity level I dan III dalam satu kelompok diagnosis bisa mencapai Rp 2–5 juta per kasus. Untuk RS dengan 50 kasus serupa per bulan yang terkena undercoding, potensi pendapatan yang hilang bisa mencapai Rp 100–250 juta per bulan hanya dari satu kelompok diagnosis — atau mendekati Rp 1,2–3 miliar per tahun.

Akar masalahnya ada di proses dokumentasi: dokter DPJP tidak mengisi resume medis secara sistematis untuk semua komorbiditas yang aktif selama perawatan, meskipun catatannya ada di anamnesis atau rekam keperawatan. Tanpa integrasi dokumentasi, koder tidak bisa menyentuhnya.

Penyebab 2 — Kode Prosedur ICD-9-CM Tidak Dilengkapi

Komponen koding kedua yang sering hilang adalah prosedur. Tindakan medis yang dilakukan selama rawat inap — operasi, tindakan invasif, pemasangan alat, prosedur ICU — seharusnya dikode menggunakan ICD-9-CM.

Namun dalam praktiknya, banyak RS hanya mengode diagnosis tanpa melengkapi prosedur, terutama untuk:

Tindakan penunjang yang tidak memiliki formulir terpisah
Prosedur ICU seperti penggunaan ventilator mekanik yang tidak masuk resume medis
Tindakan bedah minor yang dilakukan di luar OK (misalnya di bangsal atau poli)

Absennya kode prosedur berdampak langsung pada hasil grouper. Untuk kelompok kasus tertentu, prosedur yang dilakukan bisa mengubah pengelompokan secara signifikan — misalnya dari kelompok "rawat inap tanpa prosedur" ke kelompok "dengan prosedur invasif mayor" yang tarifnya berbeda jauh.

Ini bukan soal koder yang tidak tahu — melainkan soal tidak ada data yang masuk ke meja koder karena sistem dokumentasi antara unit layanan (ICU, kamar operasi, bangsal) tidak terintegrasi.

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

Penyebab 3 — Tidak Ada Validasi Grouper Sebelum Submit

Banyak RS mengirimkan klaim INA-CBG ke BPJS Kesehatan tanpa pernah memvalidasi hasil grouper terlebih dahulu. Klaim langsung dikirim dari Aplikasi INA-CBG ke V-Claim tanpa cek silang internal.

Padahal grouper adalah sistem yang sensitif terhadap spesifisitas kode. Perbedaan satu digit kode ICD-10 bisa mengubah kelompok kasus dan tarif sebesar 20–40%. Sebuah kode yang valid secara format tetapi tidak spesifik bisa menempatkan kasus ke kelompok yang lebih rendah tarifnya.

Validasi grouper pra-submit yang ideal mencakup:

Cross-check antara diagnosis utama dan severity level — apakah kasus dengan pasien multimorbiditas benar-benar terkategorikan di severity II atau III?
Verifikasi kode prosedur — apakah semua tindakan yang dilakukan sudah dikode?
Konsistensi antara SEP dan data episode — apakah tanggal masuk, keluar, dan jenis rawatan konsisten?

Tanpa proses ini, RS mengirimkan klaim "as is" — dan jika ada yang salah, RS hanya tahu setelah klaim diverifikasi BPJS, yang bisa berminggu-minggu kemudian, dan sering kali berakhir sebagai klaim pending atau nilai yang sudah terpotong.

Penyebab 4 — Tidak Ada Monitoring Biaya per Kelompok DRG

Penyebab terakhir adalah ketiadaan sistem kontrol: RS tidak memantau secara periodik apakah tarif reimbursement yang diterima per kelompok DRG masih menutup biaya aktual layanan.

Tarif INA-CBG berdasarkan Permenkes No. 3 Tahun 2023 tentang Standar Tarif Pelayanan Kesehatan dalam Penyelenggaraan JKN ditetapkan sebagai tarif paket — artinya tarif tidak otomatis menyesuaikan inflasi biaya bahan, peningkatan kompleksitas kasus, atau perubahan tarif vendor. RS yang tidak memantau evolusi selisih tarif per kelompok tidak menyadari bahwa beberapa kelompok sudah defisit sejak lama.

Monitoring yang efektif mencakup:

Cost per DRG group — berapa biaya aktual rata-rata per kelompok vs tarif yang diterima
Trend selisih — apakah kelompok tertentu trennya makin defisit dari kuartal ke kuartal?
Identifikasi kelompok yang secara sistematis merugi — ini bisa menjadi dasar advocacy tarif ke Kemenkes atau BPJS Kesehatan, atau keputusan efisiensi internal

Tanpa data ini, Direktur RS tidak bisa membedakan mana selisih yang disebabkan koding buruk (bisa diperbaiki internal) versus mana yang memang tarif INA-CBG di bawah biaya aktual untuk jenis layanan tertentu (yang butuh advocacy ke regulator).

Cara Memulai: Audit Retrospektif 3 Bulan

Rekomendasi praktis untuk Direktur RS yang ingin memahami skala revenue leakage di RS-nya:

Langkah 1 — Identifikasi 10 kelompok diagnosis terbesar berdasarkan jumlah kasus rawat inap 3 bulan terakhir.

Langkah 2 — Cek distribusi severity level untuk setiap kelompok. Jika lebih dari 60% kasus ada di severity I untuk diagnosis yang secara klinis sering punya komorbiditas (pneumonia, CHF, sepsis, diabetes komplikasi), ini sinyal undercoding.

Langkah 3 — Bandingkan dengan resume medis untuk subset kasus: apakah komorbiditas yang tercatat dalam catatan klinis sudah masuk ke koding? Jika tidak, catat alasannya — tidak ada di resume, atau tidak dikode meskipun ada di resume.

Langkah 4 — Hitung potensi selisih tarif jika severity dinaikkan ke level yang seharusnya. Ini memberikan angka estimasi yang konkret untuk Wadir Keuangan dan dokter.

Langkah 5 — Tentukan intervensi berdasarkan temuan: pelatihan koder, perubahan template resume medis, atau penambahan checklist DPJP saat pengisian resume.

Audit ini tidak memerlukan sistem baru — cukup data yang sudah ada di Aplikasi INA-CBG dan rekam medis.

Peran Casemix dalam Menutup Revenue Leakage

Tim casemix RS adalah garda terdepan dalam mencegah revenue leakage. Namun banyak RS menempatkan tim casemix hanya sebagai "koder" — padahal fungsi strategisnya jauh lebih besar.

Tim casemix yang efektif harus mampu:

Menganalisis pola koding dan mendeteksi kelompok yang secara konsisten di bawah potensinya
Berkomunikasi dengan DPJP tentang kelengkapan dokumentasi resume medis
Memvalidasi grouper sebelum klaim dikirim, bukan setelahnya
Melaporkan tren selisih tarif ke manajemen sebagai informasi strategis

Investasi dalam kapasitas analitik tim casemix — baik melalui pelatihan, alat bantu, maupun proses yang lebih terstruktur — adalah investasi yang langsung berdampak pada pendapatan RS.

Untuk mempelajari lebih lanjut tentang optimasi koding INA-CBG, baca juga artikel 7 Langkah Optimasi Severity Level INA-CBG dan 5 Kesalahan Koding Diagnosis yang Membuat Klaim INA-CBG Pending.

Dasar Hukum

Permenkes No. 26 Tahun 2021 tentang Pedoman Indonesian Case Base Groups (INA-CBG) dalam Pelaksanaan Jaminan Kesehatan — mengatur standar koding ICD-10 v2010 untuk diagnosis utama dan sekunder, ICD-9-CM untuk prosedur, serta mekanisme grouper dengan 1.075 kelompok kasus.
Permenkes No. 3 Tahun 2023 tentang Standar Tarif Pelayanan Kesehatan dalam Penyelenggaraan JKN — menetapkan tarif paket INA-CBG yang berlaku, termasuk komponen jasa pelayanan, obat, dan penunjang dalam satu paket per episode.

Kesimpulan

Revenue leakage dari selisih tarif INA-CBG dan biaya aktual adalah masalah yang bisa diukur, dilacak, dan dikurangi. Empat penyebab utamanya — undercoding diagnosa sekunder, kode prosedur yang tidak lengkap, tidak ada validasi grouper pra-submit, dan ketiadaan monitoring biaya per DRG — semuanya berakar pada proses internal yang bisa diperbaiki.

Langkah pertama bukan membeli sistem baru. Langkah pertama adalah audit retrospektif sederhana yang membandingkan apa yang dikode dengan apa yang benar-benar terjadi secara klinis. Dari sana, Direktur RS bisa membuat keputusan berbasis data tentang di mana intervensi paling berdampak.

Selisih yang kecil per kasus, dikalikan ratusan kasus per bulan, bisa berarti miliaran rupiah per tahun — pendapatan yang sudah RS layak terima, tapi belum diklaim.

Sumber

Permenkes No. 26 Tahun 2021 tentang Pedoman Indonesian Case Base Groups (INA-CBG) dalam Pelaksanaan Jaminan Kesehatan — peraturan.go.id
Permenkes No. 3 Tahun 2023 tentang Standar Tarif Pelayanan Kesehatan dalam Penyelenggaraan JKN — kemkes.go.id
Lamalani et al., "Analisis Perbandingan Biaya Riil Dan Tarif INA-CBG'S Pada Pasien Tuberkulosis Di RSUD Tombulilato Tahun 2025" — Jurnal Manajemen dan Administrasi Rumah Sakit Indonesia (MARSI), 2025, ejournal.urindo.ac.id
SEAN Institute, "Comparative Analysis of Actual Costs and INA-CBGs Tariffs for Hemodialysis Services" — Jurnal Ilmiah Multidisiplin Indonesia (JIM-ID), 2025, ejournal.seaninstitute.or.id

FAQ

Apa yang dimaksud revenue leakage pada sistem INA-CBG?

Revenue leakage INA-CBG adalah selisih antara tarif reimbursement yang diterima dari BPJS Kesehatan dan biaya aktual yang dikeluarkan RS per episode rawat inap. Selisih ini muncul karena koding diagnosis tidak akurat, prosedur tidak terdokumentasi, atau validasi grouper tidak dilakukan sebelum pengiriman klaim.

Seberapa besar potensi kerugian revenue leakage INA-CBG per tahun?

Penelitian menunjukkan selisih tarif INA-CBG dan biaya aktual bisa signifikan, dengan perbedaan reimbursement antara severity level I dan III mencapai Rp 2–5 juta per kasus. Untuk RS tipe B atau C dengan puluhan kasus per bulan yang undercoded, potensi kerugian kumulatif bisa mencapai ratusan juta rupiah per tahun hanya dari satu kelompok diagnosis.

Apa hubungan diagnosa sekunder dengan revenue leakage INA-CBG?

Diagnosa sekunder (komorbiditas dan komplikasi) adalah faktor utama penentu severity level dalam grouper INA-CBG. Jika dokter tidak mendokumentasikan komorbid seperti diabetes, hipertensi, atau gagal ginjal dalam resume medis, koder tidak punya dasar hukum untuk mengodenya — akibatnya kasus terkoding di severity I padahal seharusnya II atau III.

Apa langkah pertama yang harus dilakukan Direktur RS untuk mengurangi revenue leakage?

Langkah pertama adalah audit retrospektif koding: bandingkan severity level yang diklaim dengan diagnosa yang tercatat di resume medis untuk 3 bulan terakhir. Fokus pada 10 kelompok diagnosis terbanyak. Identifikasi pola undercoding — apakah komorbiditasnya tidak tercatat, atau tercatat tapi tidak dikode. Temuan ini menentukan intervensi yang tepat: pelatihan koder, perbaikan template resume medis, atau keduanya.