Halaman bukti · BPJScan
Bukti BPJScan: angka bertanggal, sumber jelas.
Di halaman ini kami kumpulkan angka BPJScan yang sumber dan tanggalnya jelas: berapa rumah sakit, berapa analisis, seberapa cepat, berapa potensi yang ditemukan per kelas tarif, dan ke mana rumah sakit biasanya melangkah setelahnya.
Angka dengan sumber dan tanggal
60+
rumah sakit di 10+ provinsi memakai BPJScan
Dihitung dari data pelanggan, dibulatkan ke bawah. Dibaca 5 September 2026.
105
analisis dalam 9 kategori; Paket Standard membuka 54 di antaranya
Dari registri menu aplikasi, bukan hitungan manual. Dibaca 5 September 2026.
±71 detik
dari unggah sampai menu pertama tampil, untuk berkas berisi 34.000+ klaim
Uji di server produksi dengan berkas anonim; berkas 69.000+ klaim ±129 detik. Diuji 17 Juni 2026.
24 jam
dari pembayaran terkonfirmasi sampai akun aktif
Tanpa integrasi SIMRS dan tanpa perangkat keras baru. Ketentuan aktivasi tertulis di PKS.
BPJScan juga sudah pernah dipesan instansi pemerintah melalui e-Katalog LKPP, dan PT Imperial Teknologi Indonesia terdaftar di registry Penyedia Sistem RME SATUSEHAT no. 250.
Potensi teridentifikasi per kelas tarif
Kami menjalankan perhitungan layar Ikhtisar BPJScan pada TXT E-Klaim yang dikirim rumah sakit ke kami, lalu merangkumnya per kelas tarif INA-CBG. Semua angka di bawah adalah agregat anonim: tanpa nama rumah sakit dan tanpa data pasien.
82
rumah sakit di 21 provinsi
161
RS-bulan data yang lolos seleksi
1,39 juta
klaim, dihitung sekali per SEP
Feb 2024–Jun 2026
bulan pulang pasien
| Kelas tarif | Rumah sakit (RS-bulan) | Median potensi / bulan | Rentang tengah | Median konservatif | Terhadap nilai klaim |
|---|---|---|---|---|---|
| Kelas C bukti terkuat | 50 (108) | Rp60 jt | Rp15–114 jt | Rp20 jt | ±1,1% |
| Kelas B | 12 (20) | Rp385 jt | Rp156–678 jt | Rp193 jt | ±1,8% |
| Kelas D | 16 (28) | Rp4,5 jt | Rp0,1–8,5 jt | Rp0 | ±0,45% |
| Kelas A | 4 (5) | Tidak ditayangkan: kurang dari 5 rumah sakit. | |||
Cara membaca
- Potensi teridentifikasi = angka “Peluang” di layar Ikhtisar BPJScan: tindakan yang biayanya ada tetapi kodenya kosong, top-up yang belum diajukan, dan tingkat keparahan yang belum terkode. Satu klaim dihitung sekali.
- Konservatif = tanpa temuan “biaya ada, kode kosong”, komponen yang paling mudah terlalu tinggi taksirannya.
- Satu rumah sakit satu suara: nilai tiap RS adalah median bulan-bulannya, sehingga RS dengan data 12 bulan tidak lebih berbobot.
- Di kelas C, ±89% rupiah potensi ada di klaim rawat inap. Median konservatifnya ±Rp20 jt, sekitar 10× biaya langganan mulai Rp2 jt per bulan.
Batas angka ini
- Potensi bukan pendapatan. Tiap temuan masih diverifikasi koder dan rekam medis, dan sebagian akan gugur. Yang akhirnya tertagih dihitung per rumah sakit lewat menu Sanding Sebelum–Sesudah, jadi angka ini bukan ROI.
- Pending tidak termasuk: TXT E-Klaim tidak memuat status pending, jadi angka pending dihitung dari hasil verifikasi masing-masing rumah sakit.
- Sampelnya rumah sakit yang pernah mengirim TXT ke kami, dengan dominasi Jawa dan swasta. Angka kelas C terutama menggambarkan RS swasta (45 dari 50).
- Kelas B lebih lebar sebarannya dan bergeser ke ±Rp243 jt bila hanya memakai bulan 2026; baca rentangnya, bukan satu angka. Di kelas D potensinya kecil (6 dari 16 RS di bawah Rp2 jt per bulan), jadi mulailah dari demo dengan TXT sendiri.
Sumber: TXT E-Klaim yang dikirim rumah sakit (klien, uji coba, dan calon klien), diolah BPJScan secara anonim. Kelas tarif dibaca dari kode tarif di TXT, bukan tipe rumah sakit. Dihitung 27 September 2026 dengan aturan BPJScan per 26 September 2026; diperbarui saat data bertambah.
Jenis temuan yang dibaca dari satu berkas TXT
Bukti yang paling kuat adalah berkas rumah sakit Anda sendiri. Tabel ini menunjukkan jenis temuan yang dibaca BPJScan dari TXT E-Klaim, tanpa nama rumah sakit dan tanpa angka per rumah sakit.
| Kategori | Yang dibaca dari TXT | Pertanyaan yang dijawab |
|---|---|---|
| Kesesuaian tarif dan koding | Audit koding ICD-10 (kode gabung, urutan, excludes), prosedur bedah dan non-bedah, pelayanan darah. | Apakah koding sudah sesuai aturan sebelum klaim diajukan? |
| Kunjungan dan lama rawat | Fragmentasi, readmisi, kasus non-spesialistik, kunjungan ganda di hari yang sama, LOS tinggi dengan keparahan ringan. | Kasus mana yang berisiko dipertanyakan verifikator? |
| Metrik keuangan | Tarif per DPJP, potensi top up, outlier, naik kelas, selisih klaim, dan Sanding Sebelum–Sesudah. | Top up mana yang belum tertagih, dan berapa yang benar-benar tertagih setelah tindak lanjut? |
| Purifikasi | Duplikasi, kelengkapan, dan SEP yang terbit di hari libur. | Apakah berkas sudah bersih sebelum dikirim? |
| Analisis iDRG | Perbandingan tarif INA-CBG dan iDRG, kasus yang naik atau turun tarif, casemix index iDRG. | Apa dampak iDRG terhadap pola klaim rumah sakit ini? |
| Kondisi spesifik | Visualisasi 36 kondisi klinis, misalnya kesesuaian dengan PNPK pada neuropati DM. | Apakah pola layanan untuk kondisi tertentu sejalan dengan pedoman? |
Tentang angka hasil
Rupiah yang ditemukan dan yang akhirnya tertagih di satu rumah sakit adalah milik rumah sakit itu, dan kami publikasikan hanya dengan izinnya. Yang kami tampilkan di halaman ini hanya agregat anonim per kelas tarif. Menu Sanding Sebelum–Sesudah menghitungnya dari berkas rumah sakit Anda sendiri. Hasil bervariasi menurut volume dan pola klaim.
Cara kami menghitung, dan batasnya
Metode
- Jumlah rumah sakit dihitung dari data pelanggan BPJScan, lalu dibulatkan ke bawah. Angka ini menghitung rumah sakit pelanggan, bukan pengguna harian.
- Jumlah analisis dibaca dari registri menu aplikasi, sehingga sama dengan yang tampil di aplikasi pada tanggal itu.
- Waktu proses diukur dari unggah di peramban sampai menu pertama tampil, di server produksi, memakai berkas yang identitasnya sudah dihapus.
Keterbatasan
- Waktu proses bergantung pada ukuran berkas dan koneksi rumah sakit. Berkas besar sebaiknya diunggah dalam bentuk ZIP.
- Halaman ini tidak memuat angka hasil per rumah sakit, karena angka itu milik rumah sakit. Potensi per kelas tarif adalah median lintas rumah sakit.
- Jumlah menu bertambah seiring rilis. Angka di sini mengikuti tanggal pembacaan yang tertera.
Setelah BPJScan: produk berikutnya yang dipilih rumah sakit
BPJScan membaca klaim setelah terjadi. Pertanyaan berikutnya biasanya: bagaimana mencegahnya di hulu, bagaimana membagi jasa medis dari klaim yang sudah dibayar, dan bagaimana merapikan data dari sumbernya.
Klaim JKN
Paling sering menjadi produk keduaCDSS
Mencegah di hulu: rekomendasi koding dan cek kelengkapan saat pasien masih dirawat, sebelum klaim disusun.
Buka CDSS →Klaim JKN
Sudah dijalani pelanggan BPJScanClaim Manager
Setelah klaim dibayar: rekonsiliasi hasil verifikasi dan pembagian jasa medis per DPJP.
Buka Claim Manager →RME dan integrasi
Sudah dijalani pelanggan BPJScanRME dan Integration Hub
Merapikan data dari sumbernya dan mengirimnya ke SATUSEHAT tanpa mengganti SIMRS.
Buka RME dan Integration Hub →Non-JKN
Sudah dijalani pelanggan BPJScanCS AI
Melayani pertanyaan pasien di WhatsApp untuk layanan di luar JKN.
Buka CS AI →Dasar: urutan produk pada data penagihan kami sampai September 2026. Di antara rumah sakit yang memakai lebih dari satu produk MedMinutes, sebagian besar memulai dari BPJScan; sebagian lain membeli BPJScan dan CDSS bersamaan. Label di tiap kartu menyatakan urutan yang sudah terjadi, bukan janji hasil.
Bukti terbaik adalah TXT rumah sakit Anda sendiri.
Unggah satu bulan TXT E-Klaim saat demo. Tim casemix melihat temuannya langsung dari klaim rumah sakit sendiri.