Analisis Determinan dan Ketepatan Kode Diagnosis Penyakit Sistem Respirasi Berbasis ICD-10: Studi Evaluasi di Puskesmas X Kota Malang
DOI:
https://doi.org/10.65244/jggh.v1i1.146Keywords:
Akurasi Koding, JKN, Penyakit Respirasi, Analisis 5M, PuskesmasAbstract
Validitas data klinis merupakan fondasi utama dalam keberlanjutan sistem pembiayaan Jaminan Kesehatan Nasional (JKN) dan penentuan kebijakan kesehatan publik. Penelitian ini bertujuan untuk menganalisis akurasi kode diagnosis penyakit respirasi dan faktor penyebab ketidaktepatan di Puskesmas X Kota Malang. Metode yang digunakan adalah studi deskriptif kuantitatif ini mengaudit 90 rekam medis yang dipilih secara acak dari periode Agustus 2025. Analisis akar masalah dilakukan menggunakan pendekatan manajemen 5M (Man, Material, Method, Management dan Money). Hasil ditemukan tingkat akurasi kode sebesar 67% dan ketidaktepatan 33%. Faktor penyebab utama meliputi defisiensi kompetensi koder, kualitas input diagnosis dokter yang rendah, ketidakpatuhan SOP, serta absennya evaluasi mutu internal dan sistem insentif. Kesimpulan penelitian ini terdapat tingkat ketidaktepatan sebesar 33% berimplikasi pada risiko finansial dan manajerial. Diperlukan intervensi melalui pelatihan spesifik dan penegakan SOP untuk optimalisasi mutu data.
Downloads
References
BPJS Kesehatan. (2023). Panduan praktis verifikasi klaim dalam sistem Jaminan Kesehatan Nasional. BPJS Kesehatan.
Dinas Kesehatan Kota Malang. (2023). Profil kesehatan Kota Malang tahun 2022. Dinas Kesehatan Kota Malang.
Fauziah, R., & Sugiarsi, S. (2021). Tinjauan keakuratan kode diagnosis utama pada dokumen rekam medis rawat jalan. Jurnal Manajemen Informasi Kesehatan Indonesia, 9(1), 15-22.
Handayani, P. W., Pinem, A. A., Azzahra, F., & Hidayanto, A. N. (2024). Barriers and facilitators in the implementation of electronic medical records in Indonesian primary health care: A systematic review. Journal of Health Informatics in Developing Countries, 18(1), 45–62.
Hariyanto, S., Wigati, P. A., & Agushybana, F. (2023). Analisis beban kerja mental petugas rekam medis menggunakan metode NASA-TLX di fasilitas kesehatan primer. Jurnal Manajemen Informasi Kesehatan Indonesia (JMIKI), 11(1), 45-53.
Hatta, G. R. (2017). Pedoman manajemen informasi kesehatan di sarana pelayanan kesehatan. Universitas Indonesia Press.
Herzberg, F. (1966). Work and the nature of man. World Publishing Company.
Isnaini, E., Wigati, P. A., & Agushybana, F. (2025). Pengaruh sistem penghargaan dan sanksi terhadap kepatuhan pengisian kode diagnosis di fasilitas kesehatan primer. Jurnal Manajemen Informasi Kesehatan Indonesia (JMIKI), 13(1), 12-20.
Kementerian Kesehatan Republik Indonesia. (2022). Cetak biru transformasi digital kesehatan Indonesia 2024. Kemenkes RI.
Kementerian Kesehatan RI. (2022). Peraturan Menteri Kesehatan Republik Indonesia Nomor 24 Tahun 2022 tentang Rekam Medis.
Kurniati, A. R., Widjaya, L., & Deharja, A. (2022). Analisis faktor penyebab ketidakakuratan kode diagnosis berdasarkan unsur manajemen di puskesmas. Jurnal Kesehatan Medika Udayana, 8(2), 112-124.
Nuryati, N. (2021). Farmakologi dan terminologi medis. Kementerian Kesehatan RI.
Nuryati, N., & Indawati, L. (2021). Hubungan latar belakang pendidikan dengan akurasi kode diagnosis pasien rawat jalan berdasarkan ICD-10. Jurnal Kesehatan Masyarakat, 9(2), 210-218.
Pangesti, R. D., Sugiarsi, S., & Rosita, R. (2023). Analisis faktor penyebab klaim tertunda (pending claim) pasien rawat jalan BPJS Kesehatan. Jurnal Manajemen Informasi Kesehatan Indonesia, 11(1), 23-30. https://doi.org/10.33560/jmiki.v11i1.512
Salsabila, A., & Nuraini, N. (2022). Tinjauan ketepatan kode diagnosis penyakit sistem respirasi berdasarkan ICD-10 di fasilitas kesehatan tingkat pertama. Jurnal Rekam Medis dan Informasi Kesehatan, 5(2), 112-119.
Syifani, A. Z., Widjaya, L., & Deharja, A. (2024). Evaluasi keakuratan kode diagnosis pada sistem informasi manajemen puskesmas berdasarkan unsur manajemen. Jurnal Manajemen Informasi Kesehatan Indonesia (JMIKI), 12(1), 30-38.
Tsai, C. H., Wu, C. P., & Shyu, S. C. (2020). The effect of automation bias on clinical decision making: A systematic review. Journal of Healthcare Management, 65(3), 156-171.
World Health Organization. (2010). International statistical classification of diseases and related health problems (11th ed.). World Health Organization.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Journal of Golden Generation Health
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with Journal of Golden Generation Health agree to the following terms:
- Authors retain copyright and grant the Journal of Golden Generation Health right of first publication with the work simultaneously This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License. that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
- Authors can enter into separate, additional contractual arrangements for the non-exclusive distribution of the published version of the work (e.g., post it to an institutional repository or edit it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) before and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
