Analisis Perbandingan Model Besar Klaim BPJS Kesehatan Menggunakan Metode Robust Regression dan Random Forest Regression
BPJS Kesehatan, sebagai penyelenggara program jaminan kesehatan menerapkan metode pembayaran prospektif menggunakan tarif INA-CBGs untuk membayar klaim kepada fasilitas kesehatan. Namun pada kenyataanya, metode ini seringkali menimbulkan kontroversi karena ketidaksesuaian tarif dan keterlambatan pembayaran klaim yang dapat merugikan fasilitas kesehatan. Banyaknya jenis kode dalam INA-CBGs dan batasan tarif yang telah ditetapkan, menyebabkan terjadinya kesalahan pengkodean kasus pasien oleh fasilitas kesehatan sehingga terjadi disparitas antara klaim yang dibayarkan oleh BPJS Kesehatan dengan tarif riil yang dikeluarkan oleh fasilitas kesehatan. Penelitian ini bertujuan untuk membandingkan efektivitas metode robust regression dan random forest regression dalam memodelkan besar klaim yang diajukan oleh rumah sakit kepada BPJS Kesehatan. Data yang digunakan mencakup klaim rawat inap peserta BPJS Kesehatan di salah satu RSUD di Provinsi Lampung selama periode Januari hingga September 2022. Hasil penelitian menunjukkan bahwa model robust regression memiliki nilai sebesar R^2, R^2 adj, dan MAPE secara berturut-turut sebesar 52%, 49%, dan 19%. Sedangkan algoritma random forest regression menunjukkan nilai R^2, R^2 adj, dan MAPE sebesar 83%, 82%, dan 17%. Hasil penelitian ini diharapkan dapat membantu BPJS Kesehatan dalam mengevaluasi dan memperbaiki sistem pembayaran prospektif, khususnya tarif INA-CBGs.
Kata Kunci : Besar Klaim, INA-CBGS, BPJS Kesehatan, Robust Regression, Random Forest.
URI
https://repo.itera.ac.id/depan/submission/SB2409030032
Keyword
Besar Klaim INA-CBGS BPJS Kesehatan Robust Regression Random Forest Regression