37
DATA SAMPEL BPJS KESEHATAN
TAHUN 2015-2016
TIM PENYUSUN
Pengarah
Mundiharno
Andi Afdal Abdullah
Penulis
Iwan Ariawan
Bagus Sartono
Citra Jaya
Jusran Mawardi
Jaffarus Sodiq
Wan Aisyiah Baros
Rahmat Hidayat
Paul Donald Panggabean
Wiji Wahyuningsih
DATA SAMPEL BPJS KESEHATAN TAHUN 2015-2016
KATA PENGANTAR
Hal tersebut mendorong BPJS Kesehatan untuk menyusun data sampel yang merupakan
perwakilan dari basis data kepesertaan dan pelayanan kesehatan seluruh peserta JKN
yang tertuang dalam Buku Data Sampel BPJS Kesehatan 2015-2016.
Demikian, besar harapan kami buku ini dapat menjadi acuan bagi pengguna data
dalam melakukan analisis data yang berujung pada semakin baiknya rekomendasi
kebijakan program JKN.
Mundiharno
iii
DATA SAMPEL BPJS KESEHATAN TAHUN 2015-2016
DAFTAR SINGKATAN
iv
DATA SAMPEL BPJS KESEHATAN TAHUN 2015-2016
DAFTAR ISI
TIM PENYUSUN ii
KATA PENGANTAR iii
DAFTAR SINGKATAN iv
DAFTAR ISI v
DAFTAR TABEL vi
DAFTAR GAMBAR vii
DAFTAR LAMPIRAN vii
BAB 1 PENDAHULUAN 1
BAB 2 METODOLOGI 3
2.1 Landasan Penyusunan Metodologi 3
2.2 Pemilihan Sampel 3
2.3 Penentuan Bobot Sampel 4
BAB 3 DATA SAMPEL 7
3.1 Struktur Data Sampel 7
3.2 Nama File dan Nama Variabel 9
3.3 Nilai Missing dan Kode Spesial lain 9
3.4 Pembobotan 10
3.5 Menggabungkan Data 10
BAB 4 STATISTIKA DESKRIPTIF 13
4.1 Data Sampel Kepesertaan 13
4.2 Pelayanan Fasilitas Kesehatan Tingkat Pertama (FKTP) 15
4.3 Pelayanan FKTP Non-kapitasi 17
4.4 Pelayanan Fasilitas Kesehatan Rujukan Tingkat Lanjutan (FKRTL) 19
4.5 Pemanfaatan Pelayanan Kesehatan di FKTP dan FKRTL Menurut
Provinsi 23
4.6 Pemanfaatan Pelayanan FKTP dan FKRTL Menurut Segmentasi
Peserta 24
LAMPIRAN 27
v
DATA SAMPEL BPJS KESEHATAN TAHUN 2015-2016
DAFTAR TABEL
vi
DATA SAMPEL BPJS KESEHATAN TAHUN 2015-2016
DAFTAR GAMBAR
DAFTAR LAMPIRAN
vii
DATA SAMPEL BPJS KESEHATAN TAHUN 2015-2016
viii
DATA SAMPEL BPJS KESEHATAN TAHUN 2015-2016
BAB 1
PENDAHULUAN
Besarnya jumlah kepesertaan JKN berimplikasi pada besarnya data yang harus
dikelola. Data sampel BPJS Kesehatan adalah bentuk sederhana yang mewakili
keseluruhan data kepesertaan dan pelayanan kesehatan yang sudah disesuaikan
untuk mempermudah proses analisis data. Data sampel diambil melalui kaidah-kaidah
1 Jumlah Penduduk Indonesia Tahun 2018 264.161.600 jiwa (Sumber: Bappenas, BPS, UNFPA. 2018. Proyeksi
Penduduk Indonesia 2015-2045 Hasil SUPAS 2015. Jakarta: Badan Pusat Statistik)
1
DATA SAMPEL BPJS KESEHATAN TAHUN 2015-2016
2
DATA SAMPEL BPJS KESEHATAN TAHUN 2015-2016
BAB 2
METODOLOGI
Tahap pemilihan sampel dan menyiapkan data sampel adalah sebagai berikut:
1. Menyiapkan kerangka penarikan sampel (sampling frame) keluarga
Kerangka sampel adalah daftar yang memuat semua sampling unit yaitu keluarga
peserta. Daftar berisi 73.441.160 baris di mana setiap baris mewakili satu keluarga.
Kerangka yang digunakan berupa daftar yang berasal dari database peserta per
31 Desember 2016.
2. Membangun strata
Strata yang digunakan pada penarikan sampel dibangun berdasarkan kombinasi
dari dua variabel yaitu FKTP (sebanyak 22.024 buah) dan kategori keluarga
(sebanyak tiga kategori). Kategori keluarga ditentukan sebagai berikut:
3
DATA SAMPEL BPJS KESEHATAN TAHUN 2015-2016
Sebelum menghitung bobot individu perlu dihitung terlebih dahulu bobot keluarga.
Secara matematis jika pi adalah peluang suatu keluarga ke-i terpilih, maka bobot yang
diberikan kepada keluarga yang terpilih (wi) adalah:
4
DATA SAMPEL BPJS KESEHATAN TAHUN 2015-2016
1
wi =
pi
Sebagai ilustrasi Tabel 2.1 menyajikan gambaran perhitungan bobot untuk setiap
keluarga di enam buah strata. Misalnya pada strata nomor 3 (yaitu strata FKTP 1 dan
Kategori 3) terdapat populasi sebanyak 6.200 keluarga di dalamnya dan diambil sampel
sebanyak 10 keluarga. Setiap keluarga memiliki peluang sebesar 10/6.200 atau sekitar
0,001 untuk terpilih sebagai sampel. Bobot sampel keluarga adalah 6.200/10 atau
620. Artinya satu keluarga pada sampel mewakili 620 keluarga pada populasi. Hal
yang sama berlaku untuk strata lainnya. Ukuran populasi yang berbeda-beda di setiap
strata menyebabkan bobot untuk keluarga di strata lain akan berbeda pula.
Banyaknya Banyaknya pi wi
Kode Kategori
No Populasi Sampel (Peluang (Bobot
FKTP Keluarga
Keluarga Keluarga Terpilih) Keluarga)
1 1 1 150 10 0,067 15,0
2 1 2 400 10 0,025 40,0
3 1 3 6200 10 0,001 620,0
4 2 1 200 10 0,050 20,0
5 2 2 500 10 0,020 50,0
6 2 3 5900 10 0,001 590,0
Sampai tahap ini, bobot yang diperoleh adalah bobot keluarga. Selanjutnya perlu
dilakukan perhitungan bobot individu agar distribusi karakteristik sampel individu
mewakili karakteristik populasi individu. Bobot individu dihitung dengan cara membagi
bobot keluarga dengan jumlah anggota keluarga. Jika sebuah keluarga pada sampel
memiliki bobot keluarga sebesar 15 sementara jumlah anggota keluarganya adalah 3
orang, maka besaran bobot individu pada keluarga tersebut adalah sebesar 15/3 atau
5 (lihat Tabel 2.2).
5
DATA SAMPEL BPJS KESEHATAN TAHUN 2015-2016
6
DATA SAMPEL BPJS KESEHATAN TAHUN 2015-2016
BAB 3
DATA SAMPEL
Data sampel diperoleh dari data warehouse BPJS Kesehatan. Data sampel tersedia
dalam format *.csv (comma-separated values) dan *.dta. BPJS Kesehatan menyediakan
file data sampel untuk data kepesertaan, pelayanan kesehatan di FKTP (kapitasi),
pelayanan kesehatan di FKTP (non-kapitasi), dan pelayanan kesehatan di FKRTL. File-
file ini sebagian besar dalam format numerik, tetapi ada juga yang sebagian dalam
format teks/string.
Data Sampel
Kepesertaan Kepesertaan
Gambar 3.1 menggambarkan struktur hirarki data sampel BPJS Kesehatan dari dua
informasi dasar (kepesertaan dan pelayanan kesehatan). Kerangka sampel berupa
keluarga peserta yang dikelompokkan berdasarkan akses ke fasilitas kesehatan. Data
sampel memiliki struktur dua tingkat: data sampel kepesertaan di tingkat 1 dan data
pelayanan kesehatan di tingkat 2. Data kepesertaan adalah data unik setiap peserta
BPJS Kesehatan. Sedangkan data pelayanan kesehatan bukan merupakan data unik
karena ada kemungkinan peserta mendapatkan pelayanan kesehatan lebih dari satu
kali baik di FKTP maupun di FKRTL. Struktur hirarki data sampel ini dihubungkan melalui
variabel ‘Nomor Peserta’ sebagai nomor identifikasi yang unik.
7
DATA SAMPEL BPJS KESEHATAN TAHUN 2015-2016
Berikut empat subset data yang dijadikan sebagai data sampel BPJS Kesehatan:
1. Data sampel kepesertaan
Sampel data kepesertaan 2015-2016 adalah perwakilan dari seluruh peserta
JKN yang terdaftar di database kepesertaan BPJS Kesehatan sampai dengan
tanggal 31 Desember 2016 dengan jumlah data sebanyak 1.697.452 peserta.
Data sampel kepesertaan menggambarkan karakteristik peserta dan FKTP tempat
peserta terdaftar. Karakteristik peserta JKN antara lain usia, jenis kelamin, status
perkawinan, dan posisi di dalam keluarga (peserta/istri/suami/anak/tambahan).
Keterangan mengenai FKTP tempat peserta terdaftar meliputi informasi tentang
kepemilikan dan jenis fasilitas kesehatan. Data sampel kepesertaan juga memuat
informasi segmentasi peserta dan kelas rawat inap yang dipilih oleh peserta saat
melakukan pendaftaran. Variabel ‘Nomor Peserta’ adalah nomor identifikasi unik
dari seluruh peserta. Bobot individu harus dilibatkan dalam perhitungan agar
hasil analisis data mencerminkan kondisi populasi.
8
DATA SAMPEL BPJS KESEHATAN TAHUN 2015-2016
oleh BPJS Kesehatan kepada FKRTL. Pelayanan FKRTL juga memuat informasi
kasus-kasus yang termasuk ke dalam special CMG sebagai bentuk pembayaran
tambahan (top-up) untuk kasus dan kondisi tertentu. Data tidak terisi juga terjadi
pada data sampel pelayanan FKRTL khususnya informasi tentang rujukan dan
special procedure, karena tidak semua kunjungan layanan FKRTL mendapatkan
rujukan dan melakukan special procedure.
Berikut adalah nama file dan variabel dari data sampel BPJS Kesehatan:
Nama file
01Kepesertaan : Nama file data sampel kepesertaan BPJS Kesehatan
02FKTP : Nama file data sampel pelayanan FKTP Kapitasi
03FKTP Non kapitasi : Nama file data sampel pelayanan FKTP Non kapitasi
04FKRTL : Nama file data sampel pelayanan FKRTL
Secara umum, pemberian nama variabel dimaksudkan untuk membedakan nama antar
file data sampel yang berbeda unit analisis. Tiga digit pertama dari nama variabel
adalah singkatan dari masing-masing nama subset data.
Dalam data sampel BPJS Kesehatan, nilai tidak terisi (missing) adalah variabel yang
seharusnya terisi tetapi karena alasan tertentu menjadi tidak terisi. Misalnya data
pelayanan FKTP (kapitasi) pada variabel diagnosis. Jika terjadi kesalahan pada proses
input data untuk variabel ‘Kode Diagnosis’ (misalnya kekurangan atau kelebihan
angka/huruf), sistem tidak bisa menemukan nama diagnosis yang sesuai sehingga
menyebabkan variabel ‘Nama Diagnosis’ menjadi tidak terisi.
9
DATA SAMPEL BPJS KESEHATAN TAHUN 2015-2016
Ada informasi pada data pelayanan FKTP dan FKRTL yang memungkinkan variabel
tidak terisi. Misalnya, informasi ‘Asal Rujukan Faskes’ yang banyak tidak terisi karena
tidak semua kunjungan di FKTP dirujuk ke FKRTL. Contoh lainnya adalah pada variabel
‘Nama Diagnosis’ yang mengacu pada kode ICD 10 (International Classification of
Diseases). Belum optimalnya proses input data menyebabkan beberapa kode ICD
10 tidak bisa diketahui nama diagnosisnya. Untuk itu disusun sebuah variabel baru
yang berisi 3 (tiga) karakter pertama kode ICD 10 sehingga bisa diketahui kategori
diagnosisnya.
3.4 Pembobotan
Variabel ‘Bobot’ telah disediakan pada file data kepesertaan yaitu variabel PSTV015.
Analisis sebaiknya dilakukan dengan pembobotan agar hasil analisis data sampel dapat
mewakili populasi. Analisis pada data pelayanan kesehatan (FKTP dan FKTRL) juga
sebaiknya menggunakan variabel bobot dengan cara menggabungkannya dengan
data kepersertaan.
Data sampel BPJS Kesehatan terbagi menjadi data sampel kepesertaan, pelayanan
kesehatan di FKTP (kapitasi & non kapitasi) dan pelayanan kesehatan di FKRTL.
Pengguna data dapat menggabungkan data sampel untuk mendapatkan variabel yang
lebih kaya. Data sampel dapat digabungkan dengan mencocokkan variabel ‘Nomor
Peserta’. Saat menggabungkan data, penting untuk mengetahui jenis hubungan antara
data yang akan digabung serta jenis luaran yang diinginkan (unit analisis). Ada dua
jenis hubungan:
1. Satu entitas ke beberapa entitas (one-to-many atau 1:m)
2. Satu entitas dengan satu entitas (one-to-one atau 1:1)
3. Beberapa entitas ke satu entitas (many to one atau m:1)
Contoh hubungan satu entitas ke beberapa entitas adalah hubungan antara data
kepesertaan dengan data pelayanan kesehatan di FKTP atau di FKRTL. Data kepesertaan
berisi data unik setiap peserta (one) sementara data pelayanan kesehatan berisi data
kunjungan ke fasilitas kesehatan yang memungkinkan seorang peserta berkunjung
lebih dari satu kali (many). Mayoritas software pengolahan data memiliki fungsi yang
memungkinkan penggabungan file dengan terlebih dahulu menjalankan langkah-
langkah berikut:
10
DATA SAMPEL BPJS KESEHATAN TAHUN 2015-2016
Catatan: Ketika hubungannya adalah many-to-one (m:1), basis file adalah file dengan
banyak entitas. Misalnya jika menggabungkan data kepesertaan dengan data pelayanan
kesehatan di FKTP, maka basis file adalah data pelayanan kesehatan di FKTP. Tabel
berikut menunjukkan variabel yang diperlukan untuk mencocokkan file yang berbeda:
Tabel 3.2 menunjukkan bahwa subset data kepesertaan dapat ditambahkan pada
pelayanan kesehatan di FKTP (kapitasi dan non-kapitasi) ataupun pelayanan FKRTL.
11
DATA SAMPEL BPJS KESEHATAN TAHUN 2015-2016
12
DATA SAMPEL BPJS KESEHATAN TAHUN 2015-2016
BAB 4
STATISTIKA DESKRIPTIF
Berikut adalah statistika deskriptif dari data sampel kepesertaan. Perbedaan jumlah
data pada setiap perhitungan disebabkan adanya data yang tidak terisi (missing/null).
A. Karakteristik Umum
Umur
0-14 tahun 351.234 20,7
15-64 tahun 1.204.872 71,0
65 + tahun 141.345 8,3
Jumlah 1.697.451 100,0
Status perkawinan
Belum kawin 510.640 30,1
Kawin 493.091 29,1
Cerai 23.096 1,3
Tidak terdefiniskan 670.154 39,5
Jumlah 1.696.981 100,0
13
DATA SAMPEL BPJS KESEHATAN TAHUN 2015-2016
Berdasarkan jenis kelamin, proporsi antara laki-laki dan perempuan hampir sama.
Jika dilihat berdasarkan usia, pola distribusi proporsi usia produktif (15-64 tahun)
mendominasi peserta JKN. Sedangkan kelompok usia lansia memiliki proporsi terendah.
Status perkawinan (kawin dan belum kawin) menunjukkan proporsi yang seimbang.
Variabel ‘Hubungan keluarga dengan peserta’ proporsi terbanyak adalah sebagai
peserta dan anak. Rendahnya proporsi hubungan peserta sebagai suami kemungkinan
karena mereka dianggap sebagai peserta.
Tabel 4.2 Karakteristik segmen dan kelas iuran peserta tahun 2015-2016
Segmen peserta
Bukan Pekerja (BP) 71.614 4,2
PBI APBN 755.704 44,5
PBI APBD 150.213 8,9
PBPU 193.520 11,4
PPU 526.401 31,0
Jumlah 1.697.452 100,0
Kepemilikan
Vertikal 11 0,0
Pemerintah provinsi 17.079 1,0
Pemerintah kabupaten/kota 1.294.827 76,3
POLRI 12.450 0,7
14
DATA SAMPEL BPJS KESEHATAN TAHUN 2015-2016
Tabel 4.4 Pelayanan FKTP berdasarkan karakteristik fasilitas kesehatan tahun 2015-2016
Kepemilikan
Vertikal 2 0,0
Pemerintah provinsi 7.920 0,5
Pemerintah kabupaten/kota 875.633 50,5
POLRI 14.786 0,8
TNI AD 15.314 0,9
TNI AL 1.831 0,1
TNI AU 2.443 0,1
BUMN 17.035 1,0
Swasta 798.772 46,1
Jumlah 1.733.736 100,0
Jenis
Puskesmas 881.507 50,8
Klinik pertama 583.806 33,7
Dokter umum 251.056 14,5
Dokter gigi 16.874 1,0
Laboratorium 419 0,1
Lain-lain 97 0,0
Jumlah 1.733.759 100,0
15
DATA SAMPEL BPJS KESEHATAN TAHUN 2015-2016
Pemanfaatan pelayanan FKTP paling besar proporsinya dilakukan oleh segmen peserta
Pekerja Penerima Upah (PPU) sebesar (43,4%). Sedangkan proporsi terendah dalam
pemanfaatan pelayanan FKTP adalah dari segmen PBI APBD.
16
DATA SAMPEL BPJS KESEHATAN TAHUN 2015-2016
Tabel 4.7 Pelayanan FKTP non kapitasi berdasarkan karakteristik fasilitas kesehatan
Kepemilikan
Pemerintah provinsi 199 0,2
Pemerintah kabupaten/kota 78.178 68,1
POLRI 31 0,1
TNI AD 254 0,2
TNI AL 44 0,1
TNI AU 9 0
BUMN 197 0,1
Swasta 35.896 31,2
Jumlah 114.808 100
Jenis
Puskesmas 78.333 68,2
Klinik pertama 21.378 18,6
Dokter umum 13.684 11,9
Laboratorium 1.155 1,1
Lain-lain 270 0,2
Jumlah 114.820 100
Pemanfaatan layanan FKTP non kapitasi sebagian besar dilakukan pada fasilitas
kesehatan milik pemerintah kabupaten/kota dengan proporsi 68,1%. Jenis FKTP
pelayanan non-kapitasi mayoritas adalah Puskesmas (68,2%).
Tabel 4.8 Pelayanan FKTP non-kapitasi berdasarkan segmen peserta tahun 2015-2016
17
DATA SAMPEL BPJS KESEHATAN TAHUN 2015-2016
Segmen peserta pada pelayanan FKTP non kapitasi menunjukkan lebih dari setengah
yang mengakses pelayanan berasal dari PBI APBN dengan proporsi sebesar 52,3%.
Sedangkan proporsi terendah berasal dari segmen Bukan Pekerja (BP) yaitu 3,6%.
Tabel 4.9 Sepuluh kode diagnosis terbanyak pelayanan FKTP non-kapitasi tahun 2015-2016
Dari total 114.795 kasus yang terdiagnosis pada pelayanan FKTP non-kapitasi
diketahui jenis diagnosis menurut ICD 10 paling banyak adalah kondisi yang terkait
atau diperburuk oleh kehamilan, persalinan atau masa nifas (O00-O99) sebesar 38%.
Diagnosis terbanyak kedua dengan proporsi 36% yaitu Factors influencing health
status and contact with health services dengan kode ICD 10 (Z00-Z99) yaitu keadaan
selain penyakit, cedera, atau penyebab eksternal yang dapat diklasifikasikan ke dalam
kategori A00-Y89. Diagnosis ketiga terbanyak adalah penyakit endokrin, nutrisi dan
metabolisme (E00-E90) dengan proporsi 8,4%.
Tabel 4.10 Sepuluh tindakan terbanyak kunjungan FKTP non-kapitasi tahun 2015-2016
18
DATA SAMPEL BPJS KESEHATAN TAHUN 2015-2016
Sepuluh tindakan terbanyak pada pelayanan FKTP non kapitasi sebagian besar berupa
rawat inap di ruang perawatan biasa dengan proporsi sebesar 37,2%.
Tabel 4.11 Pelayanan FKRTL berdasarkan karakteristik fasilitas kesehatan tahun 2015-2016
Kepemilikan
Vertikal 65.931 7,3
Pemerintah provinsi 81.374 8,9
Pemerintah kabupaten/kota 312.063 34,3
POLRI 17.823 2,0
TNI AD 38.223 4,2
TNI AL 6.867 0,7
TNI AU 7.760 0,8
BUMN 21.416 2,4
Swasta 358.314 39,4
Jumlah 909.771 100,0
Jenis
Rumah sakit 902.972 99,0
Klinik Utama 8.129 1,0
Jumlah 911.101 100,0
Segmen peserta
Bukan Pekerja (BP) 111.033 12,2
PBI APBN 123.490 13,0
19
DATA SAMPEL BPJS KESEHATAN TAHUN 2015-2016
Kelas rawat
Kelas I 47.140 5,2
Kelas II 55.856 6,1
Kelas III 808.061 88,7
Jumlah 911.057 100,0
20
DATA SAMPEL BPJS KESEHATAN TAHUN 2015-2016
Diagnosis masuk pada pelayanan FKRTL menunjukkan kode ICD 10 dengan proporsi
tertinggi yaitu Factors influencing health status and contact with health services yaitu
keadaan selain penyakit, cedera, atau penyebab eksternal yang dapat diklasifikasikan
ke dalam kategori A00-Y89, dengan proporsi sebesar 25,8%. Diagnosis masuk kedua
terbanyak adalah penyakit pada sistem peredaran darah dengan proporsi sebesar 9,3%.
Sedangkan diagnosis masuk ketiga terbanyak adalah penyakit pada sistem genital dan
kemih dengan proporsi 8,4%.
21
DATA SAMPEL BPJS KESEHATAN TAHUN 2015-2016
Diagnosis primer pada pelayanan FKRTL menunjukkan kode ICD 10 dengan proporsi
tertinggi yaitu Factors influencing health status and contact with health services yaitu
keadaan selain penyakit, cedera, atau penyebab eksternal yang dapat diklasifikasikan
ke dalam kategori A00-Y89, dengan proporsi sebesar 56,5%. Diagnosis primer kedua
terbanyak adalah penyakit infeksi tertentu (bakteri, virus dan parasit) dengan proporsi
sebesar 5,8%. Kemudian diagnosis primer ketiga terbanyak adalah penyakit pada
sistem pencernaan dengan proporsi 4,7%.
Tabel 4.15 Sepuluh Kode Casemix Main Groups (CMG) terbanyak pelayanan FKRTL tahun 2015-2016
Berdasarkan kode Casemix Main Groups (CMG) pada pelayanan FKRTL diketahui
proporsi terbesar adalah Ambulatory Groups-Episodic (Q) dengan proporsi 52,6%.
Tabel 4.16 Sepuluh kode INACBGs terbanyak pelayanan FKRTL tahun 2015-2016
22
DATA SAMPEL BPJS KESEHATAN TAHUN 2015-2016
Sepuluh besar kode INA-CBGs menunjukkan bahwa penyakit kronis kecil lain-lain (Q-
5-44-0) memiliki proporsi terbesar yaitu 42,0%.
Gambar 4.1 Proporsi Peserta JKN Melakukan Kunjungan ke Fasilitas Kesehatan Tingkat Pertama
(FKTP) Menurut Provinsi Tahun 2015-2016
23
DATA SAMPEL BPJS KESEHATAN TAHUN 2015-2016
Gambar 4 2 Proporsi Peserta JKN Melakukan Kunjungan ke Fasilitas Kesehatan Rujukan Tingkat Lanjut
(FKRTL) Menurut Provinsi Tahun 2015-2016
24
DATA SAMPEL BPJS KESEHATAN TAHUN 2015-2016
Gambar 4.3 Proporsi Peserta JKN yang Melakukan Kunjungan ke Fasilitas Kesehatan Menurut Segmen
Peserta Tahun 2015-2016
Peserta JKN yang paling banyak memanfaatkan FKTP dan FKRTL adalah dari segmen
non-PBI. Pemanfataan FKRTL dari peserta PBI masih rendah.
25
DATA SAMPEL BPJS KESEHATAN TAHUN 2015-2016
26
DATA SAMPEL BPJS KESEHATAN TAHUN 2015-2016
LAMPIRAN
A. Data Kepesertaan
27
DATA SAMPEL BPJS KESEHATAN TAHUN 2015-2016
28
DATA SAMPEL BPJS KESEHATAN TAHUN 2015-2016
10 FKP10 Tingkat layanan Tingkat layanan di FKTP peserta 1. Rawat Jalan Tingkat
melakukan kunjungan Pertama
2. Rawat Inap Tingkat
Pertama
3. Promotif
11 FKP11 Poli Jenis Poli tempat peserta melakukan 1. Umum
kunjungan 2. Gigi
3. KIA
4. UGD
5. KB
6. Kandungan
7. Laboratorium
8. Penyakit dalam
9. Mata
10. Fisio
11. Imunisasi
12. Home-visit
13. Konseling
12 FKP12 Segmen peserta Segmen peserta 1. Bukan pekerja
2. PBI APBN
3. PBI APBD
4. PBPU
5. PPU
13 FKP13 Status pulang Status pulang peserta 1. Berobat jalan
2. Rujuk lanjut
3. Sembuh
4. Rujuk internal
5. Pulang paksa
6. Lain-lain
7. Meninggal
14 FKP14 Kode Diagnosis Kode diagnosis menurut ICD 10 (jumlah Kode ICD 10
digit tidak sama pada semua observasi
dengan rentang 3-5 digit kode ICD 10)
15 FKP15 Nama diagnosis Nama diagnosis yang terbaca oleh sistem Berdasarkan kode ICD
informasi BPJS Kesehatan berdasarkan 10
kode diagnosis yang ter-input dalam
sistem
16 FKP16 Provinsi faskes Asal Provinsi fasilitas kesehatan asal
rujukan peserta dirujuk
17 FKP17 Kabupaten/kota Asal Kabupaten/kota fasilitas kesehatan
faskes rujukan asal peserta dirujuk
18 FKP18 Kepemilikan faskes Kepemilikan fasilitas kesehatan asal 1. Vertikal
rujukan peserta dirujuk 2. Pemerintah provinsi
3. Pemerintah kab/
kota
4. POLRI
5. TNI AD
6. TNI AL
7. TNI AU
8. BUMN
9. Swasta
19 FKP19 Jenis Jenis fasilitas kesehatan asal peserta 1. Rumah sakit
dirujuk 2. Klinik utama
3. Puskesmas
4. Apotik
5. Klinik pertama
6. Optik
7. Laboratorium
8. Dokter umum
20 FKP20 Tipe faskes rujukan Tipe fasilitas kesehatan asal peserta
dirujuk
21 FKP21 Poli Poli rujukan
29
DATA SAMPEL BPJS KESEHATAN TAHUN 2015-2016
30
DATA SAMPEL BPJS KESEHATAN TAHUN 2015-2016
31
DATA SAMPEL BPJS KESEHATAN TAHUN 2015-2016
32
DATA SAMPEL BPJS KESEHATAN TAHUN 2015-2016
22 FKL21 Kode kasus INA- Sistem kodifikasi dari diagnosis akhir dan 1. Digit ke-1 (alfabetik):
CBGs tindakan/prosedur yang menjadi output menggambarkan
pelayanan, dengan acuan ICD-10 kode CMG (Casemix
Main Groups)
2. Digit ke-2 (numerik):
menggambarkan
tipe kelompok kasus
(Case Groups)
3. Digit ke-3 (numerik):
menggambarkan
spesifikasi kelompok
kasus
4. Digit ke-4 (romawi):
menggambarkan
tingkat keparahan
kelompok kasus
23 FKL22 Nama kasus INA- Nama dari dari diagnosis akhir dan
CBGs tindakan/prosedur yang menjadi output
pelayanan, dengan acuan ICD-10
24 FKL23 Severity level Sub-group keempat merupakan resource 1. Level 0
intensity level yang 2. Level 1
menunjukkan tingkat keparahan kasus 3. Level 2
yang dipengaruhi adanya 4. Level 3
komorbiditas ataupun komplikasi dalam
masa perawatan
25 FKL24 Diagnosis sekunder
26 FKL25 Provinsi faskes Asal Provinsi fasilitas kesehatan rujukan
rujukan tempat peserta dirujuk
27 FKL26 Kode Kabupaten/ Asal Kabupaten/kota fasilitas kesehatan
kota faskes rujukan peserta dirujuk
28 FKL26A Nama Kabupaten/ Nama Kabupaten/kota fasilitas kesehatan
kota faskes rujukan peserta dirujuk
29 FKL27 Kepemilikan faskes Kepemilikan fasilitas kesehatan asal 1. Vertikal
rujukan peserta dirujuk 2. Pemerintah provinsi
3. Pemerintah kab/
kota
4. POLRI
5. TNI AD
6. TNI AL
7. TNI AU
8. BUMN
9. Swasta
30 FKL28 Jenis faskes rujukan Jenis fasilitas kesehatan asal peserta 1. Puskesmas
dirujuk 2. Rumah sakit
3. Klinik Pertama
4. Dokter Umum
5. Klinik Utama
6. Apotik
7. Dokter gigi
8. Laboratorium
9. Pemerintah
10. PMI
11. Optik
12. Lain-lain
31 FKL29 Tipe faskes rujukan Tipe fasilitas kesehatan asal peserta
dirujuk
32 FKL30 Prosedur
33 FKL31 Jumlah prosedur
33
DATA SAMPEL BPJS KESEHATAN TAHUN 2015-2016
34
DATA SAMPEL BPJS KESEHATAN TAHUN 2015-2016
36