# iDRG: Sistem Baru Pembiayaan JKN dan Tantangan Mitigasi Risiko Keuangan Rumah Sakit - Link: https://legawa.com/obrolan-kesehatan/idrg-sistem-baru-pembiayaan-jkn-dan-tantangan-mitigasi-risiko-keuangan-rumah-sakit/ - Published: 2026-06-02T10:34:23+07:00 - Author: Cahya Bayangkan dua pasien masuk dengan diagnosis yang tertulis sama di berkas klaim: _congestive heart failure_. Pasien pertama berusia 55 tahun, tanpa penyakit penyerta, pulang dalam empat hari. Pasien kedua berusia 70 tahun, datang dengan diabetes tidak terkontrol, gagal ginjal kronis, dan menjalani perawatan intensif selama 12 hari. Di bawah sistem INA-CBG yang berlaku selama lebih dari satu dekade, keduanya berpotensi masuk ke kelompok tarif yang sama — atau hanya dibedakan oleh satu tingkat keparahan yang skalanya terlalu kasar untuk mencerminkan perbedaan beban sumber daya yang sesungguhnya nyata. Inilah salah satu celah struktural yang mendorong pemerintah mengembangkan _iDRG_( _Indonesia Diagnosis Related Group_) — sistem pengelompokan kasus baru yang mulai diuji coba nasional sejak Oktober 2025. Bagi rumah sakit, kehadiran iDRG bukan sekadar pergantian kode: ini adalah perubahan paradigma yang membawa peluang sekaligus ancaman nyata bagi kelangsungan finansial. --- ### Dari INA-CBG ke iDRG: Bukan Sekadar Ganti Nama Untuk memahami apa yang berubah, perlu dipahami dulu mengapa INA-CBG perlu digantikan. Perubahan dari INA-CBG ke iDRG diperlukan karena setidaknya lima alasan mendasar: pengelompokan INA-CBG masih terlampau luas sehingga tindakan yang sangat berbeda secara klinis dan sumber daya dikelompokkan dalam satu grup yang sama; sistem ini belum dapat membedakan tingkat keparahan kasus secara memadai sehingga menimbulkan ketidakadilan pembayaran; terdapat keluhan dari perhimpunan profesi dan asosiasi rumah sakit terkait pengelompokan yang tidak sesuai secara klinis; sistem belum menggambarkan kondisi penyakit masyarakat Indonesia; serta perkembangan teknologi, prosedur medis, dan obat-obatan yang sudah jauh melampaui kapasitas sistem lama. Secara teknis, perbedaannya cukup fundamental. Dengan iDRG, kode yang digunakan lebih rinci dan terdiri dari 7 digit numerik, berbanding dengan 4 digit alfanumerik yang digunakan oleh INA-CBG. Perubahan utama terletak pada pengelompokan pasien yang kini tidak hanya berdasarkan diagnosis, tetapi juga tingkat keparahan klinis dan kompleksitas kasus yang dihadapi. Dampaknya bagi tarif cukup signifikan. Jika dalam INA-CBG dua pasien dengan diagnosis yang sama bisa mendapat tarif yang sama meskipun tingkat keparahan berbeda, maka dalam iDRG tarif disesuaikan dengan kondisi nyata pasien — pasien ringan versus pasien dengan komplikasi akan mendapat tarif yang berbeda. Di sinilah letak peluang sekaligus risiko bagi rumah sakit: sistem yang lebih adil ini hanya akan menguntungkan rumah sakit yang mampu mendokumentasikan dan mengkodekan kondisi pasien secara akurat dan lengkap. iDRG juga menghilangkan variabel kelas rumah sakit dan kelas perawatan dalam penetapan tarif, dan sebagai gantinya berfokus pada kesetaraan tarif berbasis klinis dan kompetensi fasilitas. Pendekatan yang dipakai telah mengadopsi praktik dari negara maju seperti Korea Selatan dan Australia dalam meningkatkan efisiensi pelayanan. [[ --- ### Peta Risiko Keuangan di Era iDRG Sebelum merumuskan strategi mitigasi, manajemen rumah sakit perlu memahami dengan jelas dari mana datangnya ancaman finansial dalam sistem baru ini. **Risiko pertama: _Severity miss_ akibat dokumentasi tidak lengkap.** Ini adalah risiko terbesar dan paling langsung. Karena tingkat keparahan (_severity_) memiliki dampak yang lebih besar terhadap tarif dalam iDRG dibandingkan INA-CBG, kasus yang dokumentasinya tidak menangkap komplikasi atau komorbiditas akan dikodekan pada _severity_ yang lebih rendah dari yang seharusnya, mengakibatkan kehilangan tarif yang substansial. Berbeda dengan INA-CBG di mana “kira-kira” masih bisa diterima, iDRG menuntut presisi. **Risiko kedua: _Undercoding_ sistemik.** Jika dokter tidak mendokumentasikan seluruh diagnosis sekunder yang relevan, atau petugas _coding_ tidak terlatih cukup, rumah sakit secara konsisten akan mengklaim di bawah hak tarinya. Dokter dan _coder_ mempunyai peran yang penting karena diagnosis dan prosedur yang telah dituliskan oleh dokter selanjutnya diberi kode oleh _coder_. Peran dokter adalah menegakkan dan menuliskan diagnosis primer dan sekunder bila ada sesuai ICD-10, menulis seluruh prosedur atau tindakan yang telah dilaksanakan sesuai ICD-9-CM, dan membuat resume medis pasien secara lengkap dan jelas selama pasien dirawat. **Risiko ketiga: _Upcoding_ yang berujung sanksi.** Di sisi sebaliknya, sistem iDRG yang lebih granular justru meningkatkan godaan dan risiko _upcoding_ — pengelompokan kasus ke tingkat keparahan yang lebih tinggi dari yang sebenarnya demi memperoleh tarif lebih besar. _Upcoding_ merupakan salah satu potensi _fraud_ yang marak dilakukan, dan sering diidentikkan dengan peran _coder_ dan dokter penanggung jawab pasien. Bentuk yang paling sering ditemui adalah perbedaan pemahaman antara verifikator, _coder_, dan dokter tentang diagnosis, serta ketidakakuratan kode diagnosis. Dalam iDRG, karena setiap digit kode membawa konsekuensi tarif yang lebih signifikan, audit eksternal juga akan lebih ketat. **Risiko keempat: klaim _pending_ dan arus kas tersendat.** Rumah sakit yang tidak memiliki sistem pendukung pengelompokan iDRG berisiko menghadapi kendala serius dalam pengajuan klaim, seperti klaim ditolak atau tertunda karena kesalahan _coding_. Dalam ekosistem JKN di mana klaim BPJS Kesehatan merupakan sumber pendapatan utama, gelombang klaim _pending_ bisa mencekik arus kas operasional. **Risiko kelima: beban kasus berat yang tidak terkompensasi.** Perbedaan antara biaya operasional rumah sakit dan tarif paket seringkali menghasilkan defisit finansial yang signifikan, yang dapat mengancam keberlanjutan pemberi layanan kesehatan. Meskipun iDRG dirancang lebih akurat, pada masa transisi, rumah sakit yang merawat banyak kasus kompleks namun belum mahir mengkodekan kompleksitas tersebut justru menanggung risiko terbesar. --- ### Strategi Mitigasi: Lima Lini Pertahanan #### 1. Perkuat Fondasi Rekam Medis dan Koding Klinis Ini adalah titik paling kritis. iDRG hanya seakurat data yang dimasukkan ke dalamnya. _Clinical pathway_ merupakan instrumen strategis yang memiliki manfaat ganda: bagi BPJS Kesehatan untuk menjamin mutu layanan dan mencegah _fraud_ jenis _under-treatment_, sementara bagi rumah sakit, _clinical pathway_ membantu mengendalikan efektivitas biaya riil agar tetap efisien. Kepatuhan _clinical pathway_ yang tinggi dapat mengurangi inefisiensi seperti _overutilisasi_ sumber daya, sehingga menurunkan selisih kerugian rumah sakit dalam sistem paket. Konkretnya, rumah sakit perlu memastikan setiap dokter penanggung jawab pasien ( DPJP) memahami pentingnya menuliskan diagnosis sekunder, komplikasi, dan komorbiditas secara lengkap di resume medis. Resume yang hanya berisi diagnosis utama adalah kerugian finansial yang tersembunyi — dan dalam iDRG, kerugiannya jauh lebih besar dari sebelumnya. #### 2. Bangun Tim _Casemix_ yang Kompeten Tim _casemix_ adalah lini pertahanan pertama antara pelayanan klinis dan klaim BPJS Kesehatan. Tim _casemix_ menjadi lini depan dalam proses klaim. Bagi rumah sakit, perubahan ini bukan sekadar penyesuaian tarif, melainkan transformasi total dalam sistem kerja klaim, baik dari sisi standar klinis, struktur tarif, hingga integrasi digital. Pelatihan ulang seluruh _coder_ — termasuk familiarisasi dengan struktur 7 digit numerik iDRG, konsep _Major Diagnostic Category_ (MDC), dan logika _severity assignment_— bukan pilihan, melainkan keharusan. Aspek penting yang perlu dikuasai meliputi teknik pengkodean diagnosis menggunakan ICD-10 dan prosedur menggunakan ICD-9-CM yang sesuai standar iDRG, strategi pendokumentasian rekam medis yang lengkap dan akurat, serta analisis kasus studi kasus pengkodean kompleks termasuk komorbiditas, komplikasi, dan kasus _outlier_. #### 3. Perbarui Infrastruktur SIMRS dan Integrasi _E-Klaim_ Tanpa dukungan teknologi yang memadai, kesiapan SDM saja tidak cukup. SIMRS harus mampu terkoneksi dengan iDRG _grouper_, memperbarui _database_ tarif, mengakomodasi koding yang lebih presisi, dan menyediakan _dashboard_ monitoring klaim _real-time_. Beberapa rumah sakit progresif bahkan telah mengintegrasikan kecerdasan buatan untuk mendukung transisi ini. Implementasi AI iDRG di salah satu rumah sakit di Bintaro yang dilakukan secara penuh dan intensif sejak Agustus 2025 sangat membantu untuk konsistensi koding dan penurunan penolakan klaim atau klaim _pending_ di masa transisi dari INA-CBG menjadi iDRG. Asistensi AI memudahkan _coder_ untuk memahami perubahan koding sehingga pengajuan klaim dapat maksimal. Rumah sakit yang belum mampu berinvestasi pada AI perlu memastikan minimal bahwa _bridging system_ antara SIMRS dan aplikasi E-Klaim iDRG berfungsi lancar, dengan protokol validasi data sebelum klaim dikirimkan. #### 4. Terapkan Audit Koding Internal Secara Berkala Penelitian menunjukkan bahwa digitalisasi melalui sistem _e-claim_, rekam medis elektronik, dan verifikasi identitas pasien memiliki peran penting dalam mendeteksi anomali dan meningkatkan akuntabilitas proses klaim. Namun tantangan seperti keterbatasan infrastruktur teknologi, kurangnya pelatihan SDM, dan lemahnya pengawasan internal masih menjadi hambatan signifikan. Audit koding internal perlu dilakukan setidaknya sebulan sekali, dengan fokus pada kasus-kasus berbiaya tinggi, kasus dengan _length of stay_ melebihi rata-rata, dan kasus yang berulang kali menghasilkan kode _severity_ rendah meski kondisi klinis tampak berat. Temuan audit tidak seharusnya langsung dianggap sebagai indikasi _fraud_— _upcoding_ tidak selalu disebut _fraud_; harus ada unsur kesengajaan untuk mendatangkan keuntungan finansial. Audit internal berfungsi sebagai koreksi akurasi, bukan pencarian kesalahan. #### 5. Bangun _Dashboard_ Analitik Klaim Berbasis Data Pendekatan berbasis data untuk mengidentifikasi pola kerugian finansial berdasarkan karakteristik tindakan klinis merupakan solusi yang menjanjikan bagi rumah sakit dalam mengelola klaim INA-CBG maupun iDRG. Manajemen rumah sakit perlu memiliki visibilitas _real-time_ terhadap selisih tarif per kelompok kasus, tren klaim _pending_, dan pola _severity_ koding per departemen atau per DPJP. Data ini bukan hanya untuk keperluan _compliance_, tetapi juga untuk pengambilan keputusan strategis: departemen mana yang paling banyak menghasilkan klaim _undervalued_, kasus apa yang selalu merugi, dan di mana efisiensi operasional bisa ditingkatkan agar _real cost_ mendekati tarif paket. --- ### Peringatan: Jangan Menunggu Kepastian Mutlak Salah satu godaan terbesar manajemen rumah sakit adalah menunggu hingga regulasi final sebelum mulai bergerak. Ini adalah kesalahan yang mahal. Empat langkah yang dapat dilakukan sekarang tanpa menunggu tarif final adalah: melakukan _review baseline_ akurasi koding dan _severity assignment_, mengimplementasikan _tools_ audit yang dapat dipakai untuk INA-CBG maupun iDRG, menjadwalkan _training_ berkala, serta berkomunikasi dengan _vendor_ SIMRS untuk _roadmap_ iDRG. Rumah sakit yang memiliki tim _casemix_ yang matang, sistem pendukung yang adaptif, dan budaya audit internal akan menghadapi transisi ini dengan jauh lebih baik. Pengalaman dari negara-negara yang telah lebih dahulu bertransisi ke sistem DRG mengajarkan satu hal konsisten: rumah sakit yang kalah bukan yang tidak mampu secara klinis, melainkan yang tidak siap secara administratif dan informasional. --- ### Penutup: Akurasi adalah Aset, Bukan Beban iDRG pada dasarnya adalah sistem yang lebih adil dari pendahulunya — ia membayar lebih untuk kasus yang lebih berat, dan tidak memberi subsidi tersembunyi bagi kasus yang sesungguhnya ringan. Namun keadilan sistem ini hanya akan dirasakan oleh rumah sakit yang mampu “berbicara” dalam bahasa yang dipahami sistem: dokumentasi klinis yang lengkap, koding yang akurat, dan infrastruktur digital yang responsif. Bagi rumah sakit di Indonesia, masa transisi ini adalah cermin: seberapa baik kualitas rekam medis yang selama ini dibangun, seberapa kompeten tim yang mengelola klaim, dan seberapa serius manajemen memandang tata kelola informasi kesehatan sebagai bagian dari strategi finansial jangka panjang. Jawaban atas pertanyaan-pertanyaan itu akan menentukan apakah iDRG menjadi peluang atau ancaman. --- **Daftar Referensi** Agiwahyuanto, F., & Indriati. (2018). Penyebab perbedaan tarif INA-CBGs pada kasus _sectio caesarean_ dengan indikasi malpresentasi di RSUD Tugurejo Kota Semarang tahun 2018. _Jurnal Rekam Medis dan Informasi Kesehatan_, _1_(2). Djasri, H., Aulia, R. N., Tirtabayu, H. P., & Mada, U. G. (2016). Potensi _fraud_ dalam sistem jaminan kesehatan nasional dan upaya pencegahannya. _Jurnal Kebijakan Kesehatan Indonesia_, _5_(2), 43–48. Kementerian Kesehatan Republik Indonesia. (2014). _Peraturan Menteri Kesehatan Nomor 27 Tahun 2014 tentang Petunjuk Teknis Sistem INA-CBGs_. Kemenkes RI. Kementerian Kesehatan Republik Indonesia. (2025, Agustus). _Uji coba nasional Indonesia penerapan iDRG_ [Materi presentasi Rapat Koordinasi KKSK, 13 Agustus 2025]. Pusat Pembiayaan Kesehatan Kemenkes RI. Kementerian Kesehatan Republik Indonesia. (2025, Agustus). _Uji coba nasional: mulai 1 Oktober sistem pembayaran JKN beralih ke iDRG_. InfoPublik. [https://infopublik.id/kategori/nasional-sosial-budaya/935208](https://infopublik.id/kategori/nasional-sosial-budaya/935208) Nurlinda, A., & Majid, A. (2025). Fraud dalam layanan BPJS Kesehatan: kajian etis dan hukum. _Inovasi: Jurnal Penelitian Kesehatan_, _6_(1). RS Sari Asih Bintaro. (2025, Oktober). _AI IDRG RSSA Bintaro 2025: kecepatan dan konsistensi koding INA-Grouper iDRG_. Disampaikan dalam Seminar PERSI. [https://www.persi.or.id/wp-content/uploads/2025/10/RS-Sari-Asih-Bintaro-AI-Kecepatan-dan-Konsistensi-Koding-INA-Grouper-iDRG.pdf](https://www.persi.or.id/wp-content/uploads/2025/10/RS-Sari-Asih-Bintaro-AI-Kecepatan-dan-Konsistensi-Koding-INA-Grouper-iDRG.pdf) Septiana, S., Soekiswati, S., et al. (2024). _Clinical pathway_ sebagai solusi keberlanjutan JKN di Indonesia: _systematic review_. _Jurnal Ekonomi Kesehatan Indonesia_, _10_( 2). [https://scholarhub.ui.ac.id/eki/vol10/iss2/6/](https://scholarhub.ui.ac.id/eki/vol10/iss2/6/) Utomo, G. A., & Paputungan, I. V. (2026). Hybrid DBSCAN – K-Means clustering for financial loss identification in INA-CBG claims based on medical treatment patterns. _Building of Informatics, Technology and Science (BITS)_, _7_(4). [https://doi.org/10.47065/bits.v7i4.9483](https://doi.org/10.47065/bits.v7i4.9483) Wahyuni, N. S., & Djunawan, A. (2023). Analisis risiko _upcoding_ terhadap kejadian _fraud_ di era JKN: tinjauan sistematis. _PREPOTIF: Jurnal Kesehatan Masyarakat_, _7_(1). [https://journal.universitaspahlawan.ac.id/index.php/prepotif/article/view/7864](https://journal.universitaspahlawan.ac.id/index.php/prepotif/article/view/7864) --- _Artikel ini disusun untuk keperluan edukasi dan informasi manajemen kesehatan. Kebijakan teknis iDRG bersifat dinamis dan dapat berubah sesuai regulasi terbaru Kementerian Kesehatan RI. Rumah sakit disarankan merujuk langsung pada peraturan resmi yang berlaku._