BPJS Perkuat Deteksi Fraud Berbasis AI — Apa Risikonya bagi Rumah Sakit?

Analisis Anti-Fraud & Kepatuhan Klinis Estimasi Baca: ± 8 Menit

Konferensi 2nd Indonesia Healthcare Anti-Fraud Forum (INAHAFF) 2026 di Jakarta (18 November 2026) menyingkap pergeseran fundamental pola kecurangan (fraud) Program JKN. Jika pada 2023 kecurangan didominasi klaim palsu (phantom billing), maka pada 2024–2025 manipulasi diagnosis dan tindakan (upcoding) justru menjadi modus terbesar dengan porsi 52–59 persen, sementara phantom billing menyusut drastis hingga di bawah 3 persen. Bagi rumah sakit, pergeseran ini membawa konsekuensi serius: fokus audit bergeser dari kelengkapan berkas ke validitas klinis dan keakuratan koding, dengan deteksi yang kini diperkuat kecerdasan buatan (AI).

Analitik Data dan Deteksi Fraud Klaim JKN Berbasis AI

Deteksi fraud JKN bergeser dari pengecekan administratif menuju validasi klinis dan analitik data berbasis AI.

Peta Pergeseran Modus: Dari Phantom Billing ke Upcoding

Direktur Utama BPJS Kesehatan Prihati Pujowaskito memaparkan transformasi tipologi kecurangan yang wajib dipahami seluruh manajemen rumah sakit. Pada 2023, temuan kecurangan didominasi phantom billing—pengajuan klaim atas layanan yang sebenarnya tidak diberikan kepada pasien—dengan porsi sekitar 40 persen. Namun memasuki 2024–2025, peta berbalik: manipulasi diagnosis atau tindakan (upcoding) menempati porsi 52–59 persen dari temuan, sedangkan phantom billing merosot hingga kurang dari 3 persen.

Apa itu upcoding? Secara sederhana, upcoding adalah praktik menaikkan tingkat keparahan diagnosis atau tindakan medis dalam pengajuan klaim sehingga nilai yang dibayarkan menjadi lebih besar dari yang seharusnya. Berbeda dengan phantom billing yang relatif mudah terdeteksi lewat jejak pelayanan, upcoding menuntut pemeriksaan jauh lebih dalam: auditor harus memastikan kesesuaian antara klaim, kondisi pasien yang sebenarnya, dan pelayanan yang diberikan. Inilah mengapa validitas klinis dan akurasi dokumentasi medis kini menjadi garda terdepan pengawasan.

Angka Penyelamatan: Rp1,44 T Meroket ke Rp6,69 T

Efektivitas mesin pengawasan BPJS Kesehatan tercermin dari nilai inefisiensi dan potensi kerugian yang berhasil diselamatkan. Pada 2023, angka penyelamatan tercatat Rp1,44 triliun. Angka itu melonjak hampir lima kali lipat menjadi Rp6,69 triliun pada 2024, kemudian sedikit menurun ke Rp6,52 triliun pada 2025. Sepanjang Januari–Oktober 2026, angka antikecurangan yang dilaporkan telah mencapai Rp5,1 triliun.

Penurunan pada 2025 dibaca optimistis oleh BPJS Kesehatan sebagai sinyal meningkatnya kesadaran ekosistem pelayanan untuk menjauhi praktik fraud. Namun dari kacamata rumah sakit, angka miliaran triliun tersebut juga berarti: setiap rupiah yang keliru diklaim berpotensi ditarik kembali melalui mekanisme verifikasi pasca-klaim dan audit—beban finansial yang langsung menghantam arus kas faskes.

Deteksi Berbasis AI: Lapisan Verifikasi Baru yang Harus Diantisipasi

Direktur Kepatuhan dan Hubungan Antarlembaga BPJS Kesehatan Vetty Yulianty Permanasari menegaskan bahwa sistem pengendalian kecurangan akan dibuat semakin adaptif menghadapi perubahan pola pelayanan dan risiko. Salah satu instrumen paling signifikan adalah pemanfaatan kecerdasan buatan (AI) dalam proses verifikasi awal berkas klaim yang diajukan fasilitas kesehatan. Setelah disaring AI, klaim akan diverifikasi ulang oleh verifikator manusia.

Implikasinya bagi rumah sakit jelas: anomali pola koding—baik antar-pasien, antar-DPJP, maupun antar-periode—kini lebih mudah terdeteksi secara sistematis. Klaim yang secara statistik menyimpang dari pola normal (misalnya lonjakan severity level tanpa dukungan klinis) akan terangkat ke permukaan lebih cepat, sebelum sempat lolos menjadi beban finansial yang harus dikembalikan di kemudian hari.

Peta Jalan Penguatan Ekosistem Anti-Fraud

Seiring cakupan JKN yang telah menjangkau 285,8 juta jiwa atau 98,5 persen penduduk per 1 November 2026, BPJS Kesehatan membangun arsitektur anti-kecurangan yang makin berlapis. Langkah yang telah berjalan antara lain pembentukan Tim Anti-Kecurangan JKN di seluruh jenjang (pusat, wilayah, cabang), penetapan KPI bagi unit kerja dan Duta BPJS Kesehatan, penguatan monitoring dan pelaporan, serta pengembangan modul anti-fraud bagi verifikator yang disertifikasi BNSP.

BPJS juga mendorong pendirian Indonesia Healthcare Anti-Fraud Association (INHAFA) sebagai wadah kolaborasi lintas sektor yang menjalankan tiga peran strategis: forum kolaborasi lintas sektor, pengembangan pengetahuan dan kompetensi, serta penguatan pengawasan dan akuntabilitas bersama. Dari sisi regulasi, Menteri Koordinator Bidang Pemberdayaan Masyarakat Abdul Muhaimin Iskandar menegaskan bahwa payung hukum penanganan kecurangan yang saat ini masih berlevel peraturan menteri perlu didorong naik ke level yang lebih kuat.

1. Perketat Disiplin Dokumentasi Klinis Sejak DPJP Menulis

Diagnosis utama, diagnosis sekunder, komorbiditas, dan komplikasi harus tertulis lengkap dan didukung bukti klinis (hasil lab, radiologi, catatan perkembangan). Upcoding—disengaja maupun tidak—berawal dari resume medis yang tidak selaras dengan kode.

2. Audit Koding Internal secara Berkala

Bangun siklus audit koding rutin oleh tim casemix untuk membandingkan kode yang diajukan dengan dokumentasi medis. Identifikasi pola severity yang menyimpang sebelum terdeteksi sistem AI BPJS.

3. Bedakan Kekeliruan Koding vs Manipulasi yang Disengaja

Kesalahan koding yang tidak disengaja dapat diperbaiki melalui edukasi; manipulasi diagnosis berunsur kesengajaan adalah fraud yang berisiko sanksi administratif hingga pidana. Pisahkan kedua kategori ini dalam SOP pengendalian internal.

4. Aktifkan Tim PK-JKN & Verifikasi Internal Pra-Klaim

Jalankan fungsi Tim Pencegahan Kecurangan (PK-JKN) dan verifikasi internal sebelum klaim dikirim. Semakin bersih klaim di hulu, semakin kecil risiko recoupment dan audit di hilir.

Kesimpulan Redaksi

Pergeseran modus fraud dari phantom billing ke upcoding menandai babak baru pengawasan JKN: dari pemeriksaan kelengkapan administratif menuju validitas klinis berbasis analitik data dan AI. Bagi rumah sakit, posisi paling aman bukan sekadar memastikan berkas lengkap, melainkan memastikan setiap kode diagnosis dan tindakan tertancap pada bukti klinis yang sahih. Rumah sakit yang membangun budaya dokumentasi klinis yang akurat, audit koding internal, dan pengendalian anti-fraud yang disiplin akan terhindar dari jerat recoupment dan sanksi—sekaligus menjaga reputasi serta keberlanjutan kerja sama dengan BPJS Kesehatan.



Untuk mengikuti tulisan-tulisan dalam website ini dan informasi terbaru tentang Casemix dan JKN atau BPJS Kesehatan, silahkan ikuti chanel INACBG NETWORK melalui aplikasi telegram di link berikut ini.