Variasi Biaya DPJP untuk Kasus Serupa: Cara Casemix Mendeteksi Inefisiensi RS

Di banyak rumah sakit Indonesia, dua DPJP yang menangani pasien dengan kelompok INA-CBG yang persis sama bisa menghasilkan biaya aktual yang sangat berbeda. Bukan karena kasusnya berbeda secara klinis — melainkan karena pola pendekatan, intensitas penggunaan penunjang, dan kebiasaan prescribing masing-masing dokter. Variasi ini diam-diam menggerogoti margin RS, dan jika dibiarkan tanpa analisis, akan semakin terekspos ketika sistem pembiayaan beralih ke iDRG.

Bagi Direktur RS, pertanyaannya bukan apakah variasi biaya DPJP ada — hampir pasti ada. Pertanyaannya adalah: apakah RS memiliki data untuk mendeteksinya, dan apakah manajemen sudah siap meresponsnya dengan cara yang tepat?

Bagaimana Variasi Biaya DPJP Muncul dalam Sistem INA-CBG

Berdasarkan Permenkes No. 26 Tahun 2021 tentang Pedoman Indonesian Case Base Groups (INA-CBG), setiap episode rawat inap dikelompokkan ke dalam satu dari 786 kelompok kasus berdasarkan diagnosis utama, diagnosis sekunder, prosedur, dan karakteristik pasien. Grouper INA-CBG menentukan severity level — dan dari situ, tarif reimbursement yang diterima RS dari BPJS Kesehatan.

Sistem ini membayar RS berdasarkan kelompok kasus, bukan berdasarkan biaya aktual layanan. Artinya, dua DPJP yang menangani pasien dengan kelompok dan severity yang sama mendapat tarif yang sama dari BPJS Kesehatan — tapi biaya aktual yang dikeluarkan RS bisa berbeda signifikan karena perbedaan pendekatan klinis masing-masing dokter.

Variasi ini umumnya muncul dari beberapa sumber:

• Intensitas pemeriksaan penunjang — DPJP A memerintahkan tiga kali pemeriksaan laboratorium, DPJP B memesan enam kali untuk kasus dengan kelompok yang sama
• Pola prescribing — DPJP A menggunakan obat dalam fornas, DPJP B sering meresepkan obat non-fornas yang tidak ditanggung tarif INA-CBG
• Length of Stay (LOS) — perbedaan lama rawat untuk kasus serupa berdampak langsung pada biaya operasional yang tidak tercover tarif paket
• Frekuensi konsultasi tambahan — konsultasi spesialis lain yang sering diperintahkan satu DPJP namun jarang oleh DPJP lain untuk kasus serupa

Masing-masing faktor ini bisa mencerminkan perbedaan klinis yang valid — atau bisa mengindikasikan ruang efisiensi nyata yang selama ini tersembunyi dari laporan manajemen.

Mengapa Variasi Ini Semakin Penting di Era Sekarang

Variasi biaya DPJP bukan isu baru. Tapi relevansinya terhadap finansial RS meningkat karena tiga alasan yang saling berkaitan.

Tarif INA-CBG yang stagnan mempersempit ruang gerak. Dalam beberapa tahun terakhir, tarif INA-CBG tidak mengalami penyesuaian yang proporsional dengan inflasi biaya operasional RS. Ketika margin sudah tipis, perbedaan biaya aktual antar DPJP untuk kasus serupa menjadi faktor yang tidak bisa lagi diabaikan oleh Wadir Keuangan.

Verifikator BPJS memantau pola ketidakkonsistenan. Data klaim yang dikirim RS ke BPJS Kesehatan terakumulasi dan dapat dianalisis untuk mendeteksi pola yang tidak lazim. LOS yang jauh di atas rata-rata untuk kelompok kasus tertentu, atau pola penggunaan obat yang berbeda secara signifikan dari benchmark nasional, bisa memicu verifikasi lebih ketat yang berujung pada klaim pending.

Transisi ke iDRG mempertegas urgensi analisis ini. Dalam sistem iDRG yang sedang dipersiapkan, grouper lebih sensitif terhadap spesifisitas kode diagnosis dan prosedur. Setiap perbedaan dokumentasi klinis antara DPJP yang berbeda akan lebih terlihat dan berdampak lebih besar pada hasil grouper. PERSI dan Kemenkes telah menyelenggarakan serangkaian workshop khusus untuk mempersiapkan tim casemix menghadapi perubahan ini, dengan penekanan pada pentingnya konsistensi koding dan analisis variasi klinis per DPJP.

Ini juga yang menjadi alasan mengapa komposisi dokter di RS perlu diperhatikan: pola kemitraan dokter spesialis yang dominan di RS swasta memiliki implikasi langsung terhadap variasi biaya — dokter mitra tidak selalu terikat standar clinical pathway internal RS yang sama dengan dokter organik, sehingga rentang variasi biayanya cenderung lebih lebar.

Cara Tim Casemix Mendeteksi Variasi Biaya antar DPJP

Analisis variasi biaya per DPJP adalah salah satu fungsi strategis tim casemix yang paling bernilai — tapi sering terabaikan karena tim casemix lebih terfokus pada operasional koding harian. Berikut pendekatan yang dapat langsung diterapkan menggunakan data yang sudah tersedia di setiap RS:

1. Segmentasi data klaim per DPJP per kelompok DRG

Langkah awal adalah mengekstrak data klaim periode tertentu — minimal satu kuartal — dan mengelompokkannya berdasarkan DPJP, kelompok INA-CBG, dan severity level. Dari data ini, hitung rata-rata biaya aktual per kelompok per DPJP, termasuk komponen yang tidak tercover tarif seperti obat non-fornas dan pemeriksaan tambahan.

Segmentasi ini akan segera menunjukkan apakah ada pola yang konsisten: DPJP mana yang secara rata-rata menghasilkan biaya di atas kelompok, dan untuk kelompok kasus mana variasi paling besar.

2. Hitung dan bandingkan Case Mix Index (CMI) per DPJP

Case Mix Index adalah rata-rata tertimbang dari bobot tarif kelompok kasus yang ditangani seorang DPJP. CMI yang tinggi mengindikasikan DPJP menangani kasus yang lebih kompleks secara rata-rata. Bandingkan CMI antar DPJP dalam spesialisasi yang sama.

Ketika seorang DPJP memiliki CMI rendah — menangani kasus yang secara rata-rata ringan — namun biaya aktualnya tinggi, ini sinyal awal yang patut diinvestigasi lebih lanjut. Apakah ada penggunaan layanan yang tidak proporsional dengan kompleksitas kasus yang diklaim?

3. Pantau Length of Stay per DPJP vs benchmark kelompok

LOS adalah indikator yang paling mudah dikuantifikasi dan dibandingkan. Hitung rata-rata LOS per DPJP per kelompok kasus dan bandingkan dengan rata-rata RS secara keseluruhan. LOS yang secara konsisten lebih panjang dari rata-rata untuk kasus serupa bisa mengindikasikan pendekatan klinis yang kurang efisien — atau, sebaliknya, bisa mencerminkan kasus yang secara aktual lebih berat yang seharusnya terkaptasi di koding sekunder namun belum dikode dengan tepat.

Perbedaan ini penting untuk dipahami sebelum bertindak: jika LOS panjang karena kasus memang berat namun coding sekunder tidak menangkap kompleksitas tersebut, masalahnya ada di koding, bukan di praktik klinis DPJP. Untuk kasus-kasus seperti ini, memastikan bahwa diagnosis sekunder dikode secara akurat akan mengoreksi tampilan variasi biaya sekaligus mengoptimalkan tarif yang diterima RS.

4. Identifikasi pola prescribing non-fornas per DPJP

Data farmasi bisa disilangkan dengan data klaim untuk melihat proporsi penggunaan obat non-fornas per DPJP. Proporsi yang jauh di atas rata-rata kelompok adalah area yang perlu diskusi dengan DPJP bersangkutan — bukan untuk menghakimi, tapi untuk memahami apakah ada alasan klinis yang valid atau ada alternatif dalam fornas yang setara efektivitasnya dan bisa mengurangi beban biaya yang ditanggung RS.

Dasar Hukum

• Permenkes No. 26 Tahun 2021 tentang Pedoman Indonesian Case Base Groups (INA-CBG) dalam Pelaksanaan Jaminan Kesehatan — mengatur mekanisme pengelompokan kasus berbasis diagnosis dan prosedur menggunakan ICD-10 versi 2010 dan ICD-9-CM, penetapan severity level rawat inap, serta standar koding yang wajib diterapkan RS dalam pengajuan klaim JKN. Analisis variasi biaya per DPJP harus mengacu pada kelompok dan severity yang ditetapkan regulasi ini sebagai referensi perbandingan yang valid.

Dari Data ke Aksi: Respons Manajemen yang Tepat

Mendeteksi variasi hanyalah separuh dari pekerjaan. Yang lebih menentukan adalah respons manajemen yang proporsional dan berbasis bukti.

Investigasi sebelum intervensi. Variasi biaya DPJP tidak selalu berarti ada yang salah. Langkah pertama adalah memahami penyebab variasi melalui diskusi dengan DPJP dan review rekam medis sampel — bukan langsung mengambil tindakan korektif. Temuan berbeda mengharuskan respons berbeda.

Bedakan tiga kategori variasi yang berbeda penanganannya:

• Variasi klinis yang dapat dibenarkan — keparahan pasien berbeda secara aktual, kondisi klinis khusus, atau pendekatan yang terbukti lebih baik dari sisi outcome meskipun lebih mahal. Tidak perlu dikoreksi; justru perlu diapresiasi.
• Variasi efisiensi — penggunaan layanan yang lebih intensif dari yang diperlukan untuk kasus serupa, tanpa perbedaan outcome yang jelas. Area untuk improvement melalui clinical pathway dan edukasi DPJP.
• Variasi koding — bukan perbedaan klinis, melainkan perbedaan cara koding sekunder yang menyebabkan severity tampak berbeda antar DPJP. Diselesaikan melalui audit koding, bukan melalui perubahan praktik klinis.

Libatkan Komite Medis dan DPJP secara kolaboratif. Data variasi biaya yang disajikan dengan cara yang terkesan menghakimi akan ditolak oleh dokter. Sajikan sebagai temuan analitik yang membutuhkan pemahaman bersama — forum kasus berbasis data lebih efektif dibanding memorandum sepihak dari manajemen.

Tetapkan clinical pathway sebagai referensi bersama. Untuk kasus-kasus dengan volume terbesar, clinical pathway yang sudah disepakati Komite Medis menjadi standar yang bisa digunakan untuk mengukur seberapa jauh praktik aktual menyimpang dari konsensus klinis RS. Ini memberi dasar yang objektif untuk diskusi yang sifatnya profesional, bukan politis.

Pantau tren secara periodik. Analisis variasi biaya DPJP bukan pekerjaan sekali jalan. Laporan reguler tim casemix ke manajemen — minimal per kuartal — memungkinkan Direktur RS memantau apakah intervensi yang dilakukan mulai berdampak, dan kelompok kasus mana yang masih membutuhkan perhatian.

Kesimpulan

Variasi biaya DPJP untuk kasus serupa adalah realitas operasional hampir semua rumah sakit yang beroperasi dalam skema INA-CBG. Yang membedakan RS yang mampu menjaga margin finansialnya adalah kemampuan mendeteksi variasi ini secara sistematis, memahami penyebabnya, dan merespons dengan cara yang tidak merusak hubungan profesional dengan dokter.

Tim casemix yang difungsikan hanya sebagai "koder" kehilangan peluang analitik yang nilainya jauh lebih besar dari sekadar akurasi klaim. Di era transisi menuju iDRG, fungsi analisis variasi per DPJP bukan lagi pilihan — ini kebutuhan strategis untuk RS yang ingin bertahan dalam skema pembiayaan yang semakin berbasis akurasi data dan efisiensi klinis yang terukur.

Sumber

• PERSI — Workshop INACBG dan iDRG Guna Optimalisasi Klaim JKN Tanpa Fraud. persi.or.id, 2026.
• LMS Kemkes — Workshop Koding INACBG & iDRG Guna Optimalisasi Klaim JKN Tanpa Fraud Angkatan 1. lms.kemkes.go.id, 2026.
• Permenkes No. 26 Tahun 2021 tentang Pedoman Indonesian Case Base Groups (INA-CBG) dalam Pelaksanaan Jaminan Kesehatan. peraturan.go.id.

FAQ

Apa yang dimaksud variasi biaya DPJP dalam analisis casemix?

Variasi biaya DPJP adalah perbedaan biaya aktual yang dihasilkan oleh DPJP berbeda untuk kasus dengan kelompok INA-CBG yang sama. Variasi ini bisa muncul dari perbedaan pendekatan klinis, penggunaan obat non-fornas, lama rawat inap, atau intensitas pemeriksaan penunjang — faktor yang dapat diukur dan dikelola melalui analisis casemix.

Bagaimana cara tim casemix mendeteksi variasi biaya antar DPJP untuk kasus serupa?

Tim casemix mendeteksi variasi biaya DPJP dengan membandingkan Case Mix Index (CMI) dan rata-rata biaya aktual per DPJP untuk kelompok kasus yang sama selama periode tertentu. Jika satu DPJP secara konsisten menghasilkan biaya aktual lebih tinggi dari rata-rata kelompok tanpa perbedaan severity atau outcome yang setara, itu sinyal variasi yang perlu diinvestigasi.

Apa risiko RS jika variasi biaya DPJP dibiarkan tanpa analisis?

Risiko utama ada tiga: pertama, defisit klaim yang terus-menerus dari kelompok kasus tertentu tanpa diketahui penyebab spesifiknya; kedua, meningkatnya risiko audit BPJS Kesehatan ketika pola biaya tidak konsisten terdeteksi verifikator; dan ketiga, di era transisi iDRG, variasi yang tidak terkelola akan semakin terekspos karena grouper iDRG lebih sensitif terhadap spesifisitas kode.

Apakah variasi biaya DPJP selalu berarti ada kesalahan atau fraud?

Tidak. Variasi biaya DPJP tidak otomatis berarti fraud atau upcoding. Variasi klinis yang wajar bisa muncul karena perbedaan keparahan kasus aktual meski dalam kelompok DRG yang sama. Tujuan analisis casemix bukan menghukum perbedaan, melainkan memahami penyebabnya — apakah ada ruang efisiensi tanpa mengorbankan mutu layanan, atau ada inkonsistensi koding yang perlu diperbaiki.