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

Abstract

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 mengembangkan sebuah 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 dan efisien, mendukung peningkatan layanan kesehatan di rumah sakit.