DOI: https://doi.org/10.14710/jpii.2026.30136

Implementasi Sistem Intelijen Bisnis untuk Analisis Varian Biaya Riil SIMRS terhadap Tarif INA-CBG dan Mengidentifikasi Inefisiensi Klinis

*Eka Wahyu Pujiharto orcid  -  Program Studi Program Profesi Insinyur Fakultas Teknik Universitas Diponegoro, Jl. Prof. Soedarto, SH, Tembalang, Semarang, Indonesia 50275, Indonesia
R. Rizal Isnanto  -  Program Studi Program Profesi Insinyur Fakultas Teknik Universitas Diponegoro, Jl. Prof. Soedarto, SH, Tembalang, Semarang, Indonesia 50275, Indonesia
Received: 5 Jan 2026; Revised: 2 Feb 2026; Accepted: 13 Feb 2026; Available online: 15 Feb 2026; Published: 21 May 2026.

Citation Format:
Abstract

Penelitian ini bertujuan merancang Sistem Intelijen Bisnis (BI) sebagai solusi strategis untuk tantangan kendali biaya di rumah sakit dalam sistem Jaminan Kesehatan Nasional (JKN). Sistem BI ini mengintegrasikan data biaya riil dari Sistem Informasi Manajemen Rumah Sakit (SIMRS) (obat, lab, radiologi) dengan data tarif klaim INA-CBG melalui proses Extract, Transform, Load (ETL) yang terstruktur. Hasil implementasi dan analisis data selama 8 bulan pada 17.059 kasus menunjukkan temuan kritis rumah sakit mengalami kerugian finansial total Rp58,14 miliar, ditemukan bahwa 79,32% (13.531 kasus) memiliki biaya riil yang melebihi tarif INA-CBG. Diagnosis 'Infeksi Viral & Non-Bakterial Lain (Ringan)' (kode A-4-13-I) menjadi sumber kerugian finansial terbesar. Inefisiensi ini disebabkan oleh komposisi biaya penunjang yang tidak proporsional. Biaya obat (64,9%) dan laboratorium (25,1%) menjadi pendorong utama, mengindikasikan potensi over-utilization atau praktik yang tidak sesuai dengan kebutuhan klinis diagnosis "ringan". Sistem BI ini juga menyajikan visualisasi interaktif, memonitor profitabilitas dan memetakan pola biaya per diagnosis. Fungsi drill-down menghasilkan wawasan yang dapat ditindaklanjuti untuk perbaikan efisiensi operasional.

 

Kata kunci: intelijen bisnis, analisis varian, INA-CBG, SIMRS, kendali biaya, visualisasi data, dashboard

Fulltext View|Download Email colleagues

Article Metrics:

Article Info
Section: Articles
Language : ID
  1. Basile, L. J., Carbonara, N., Pellegrino, R., & Panniello, U. (2023). Business intelligence in the healthcare industry: The utilization of a data-driven approach to support clinical decision making. Technovation, 120, 102482. https://doi.org/10.1016/j.technovation.2022.102482
  2. Biswas, N., Mondal, A. S., Kusumastuti, A., Saha, S., & Mondal, K. C. (2022). Automated credit assessment framework using ETL process and machine learning. Innovations in Systems and Software Engineering. https://doi.org/10.1007/s11334-022-00522-x
  3. Kementerian Kesehatan Republik Indonesia. (2014). Peraturan Menteri Kesehatan Republik Indonesia Nomor 28 Tahun 2014 tentang Pedoman Pelaksanaan Program Jaminan Kesehatan Nasional
  4. Kristiawan, H., Parulian, A. A., Firmansyah, Y. W., & Prasaja, B. J. (2025). Assessment of medical record management information system on BPJS outpatient claims with Health Metrics Network. Lontara Journal of Health Science and Technology, 6(1), 62–81. https://doi.org/10.53861/lontarariset.v6i1.522
  5. Kementerian Kesehatan Republik Indonesia. (2021). Peraturan Menteri Kesehatan Republik Indonesia Nomor 26 Tahun 2021 tentang Pedoman Indonesian Case Base Groups (INA-CBG) dalam Pelaksanaan Jaminan Kesehatan
  6. Kenton, W. (2025). Pareto analysis: Definition, how to create a Pareto chart, and examples. Investopedia. https://www.investopedia.com/terms/p/pareto-analysis.asp
  7. Marzouk, M., & Hanafy, M. (2022). Modelling maintainability of healthcare facilities services systems using BIM and business intelligence. Journal of Building Engineering, 46, 103820. https://doi.org/10.1016/j.jobe.2021.103820
  8. Prasaja, B. J., Utomo, Y., & Firmansyah, Y. W. (2025). Faktor-faktor yang berhubungan dengan selisih tarif kasus demam berdarah dengue. Journal of Health Science and Technology, 6(2)
  9. Rahayuningrum, I. O., Tamtomo, D. G., & Suryono, A. (2017). Analisis tarif rumah sakit dibandingkan dengan tarif Indonesian Case Base Groups pada pasien rawat inap peserta Jaminan Kesehatan Nasional di rumah sakit. Prosiding Seminar Nasional & Internasional, 1(1). https://jurnal.unimus.ac.id/index.php/psn12012010/article/view/2300
  10. Suheri, A. (2022). Analisis perbedaan tarif riil rumah sakit dengan tarif INA-CBG's pelayanan rawat inap di Rumah Sakit Umum Daerah Asy-Syifa' Sumbawa Barat. Jurnal TAMBORA, 6(3), 136–145. https://doi.org/10.36761/jt.v6i3.2094

Last update:

No citation recorded.

Last update:

No citation recorded.