Prediksi KodeInternational Classification of Diseases(ICD)untuk Klaim Biaya BPJS Menggunakan Pendekatan Machine Learning

Prediksi KodeInternational Classification of Diseases(ICD)untuk Klaim Biaya BPJS Menggunakan Pendekatan Machine Learning

BPJS, ICD-10, machine mearning, INA-CBG

Penerapan program BPJS (Badan Penyelenggara Jaminan Sosial) di rumah sakit menghadapi tantangan signifikan, terutama dalam otomatisasi dan digitalisasi proses administrasi. Tantangan utama yang dihadapi termasuk kesalahan pencatatan kode ICD-10 (International Statistical Classification of Diseases versi ke-10) oleh dokter, serta hambatan verifikasi klaim INA-CBG (Indonesia Case Base Groups) yang masih dilakukan secara manual oleh staf rekam medis. Untuk mengatasi masalah ini,kami mengembangkansebuah sistem otomatisasi dengan tujuan mengintegrasikan proses pencatatan yang dilakukan oleh dokter dan verifikasi oleh staf rekam medis. Sistem melakukan pencarian kode ICD-10 melalui pendekatan machine learning, yang dirancang untuk meningkatkan akurasi dan efisiensi dalam proses administrasi. Hasil penelitian menunjukkan bahwa model SVC (Support Vector Classifier) memberikan performa tertinggi dalam pencarian kode ICD-10. Dengan implementasi sistem ini, diharapkan kesalahan pencatatan dapat dikurangi secara signifikan, dan proses verifikasi klaim BPJS dapat berjalan lebih cepat danefisien, mendukung peningkatan layanan kesehatan di rumah saki

Muhammad Adam Majid1, Muhammad Harits Rahman1, Rustam1, Rita Purnamasari

https://jsi.ejournal.unsri.ac.id/index.php/jsi/article/view/169/166

Universitas Telkom

Oktober 2024

Fajar bagus W

PDF

Indonesia

Text