Stroke adalah penyakit peringkat ketiga dengan biaya terbanyak dalam program Jaminan Kesehatan Nasional (JKN). Pelayanan medisnya dilaksanakan sesuai dengan alur klinis (clinical pathway), yang merupakan turunan dari Pedoman Nasional Pelayanan Kedokteran (PNPK). Tarif pelayanan penyakit stroke iskemik dalam skema Indonesia Case-Based Group (INA-CBG) ditetapkan sebelum pemberlakuan PNPK. Akibatnya, penyusunan tarif stroke iskemik belum sepenuhnya mempertimbangkan standar pelayanan nasional. Penelitian ini bertujuan untuk menunjukkan bahwa rumah sakit perlu mengelola biaya perawatan dan kualitas layanan agar tarif INA-CBG dapat mencukupi biaya satuan rawat inap stroke iskemik pada pasien JKN di Rumah Sakit Pusat Otak Nasional (RS PON) Prof. Dr. dr. Mahar Mardjono Jakarta. Desain penelitian yang digunakan adalah noneksperimental dengan data retrospektif Oktober—Desember 2019. Unit analisisnya adalah 96 pasien stroke iskemik yang dirawat di RS PON. Penelitian menunjukkan bahwa rata-rata biaya satuan untuk stroke iskemik di RS PON adalah sebesar Rp11.598.286 ± Rp5.799.088. Uji regresi multipel memperlihatkan bahwa lama hari rawat inap, sistolik dan skor National Institutes of Health Stroke Scale (NIHSS) saat admisi ke rumah sakit merupakan determinan signifikan terhadap rata-rata biaya satuan rawat inap stroke iskemik pasien JKN di RS PON. Perbedaan tidak signifikan terlihat antara tarif INA-CBG tahun 2016 regional 1 RS kelas A dan rata-rata biaya satuan rawat inap stroke iskemik pada pasien JKN di RS PON. Namun, temuan ini juga menjelaskan penerapan tarif INA-CBG tahun 2016 regional 1 RS kelas A bagi RS PON mengakibatkan defisit rata-rata sebesar -Rp214.049 ± Rp4.647.223 per kasus. Perbedaan biaya satuan dan tarif INA-CBG ini diperkirakan menyebabkan defisit sebesar -Rp1.262.304.927 bagi RS PON pada tahun 2019. Selain itu, diperkirakan defisit yang ditanggung oleh seluruh rumah sakit peserta JKN mencapai -Rp61.108.299.113, dengan asumsi prevalensi stroke iskemik adalah 1,1‰. Meskipun secara rata-rata biaya satuan lebih tinggi dari tarif, rumah sakit dapat melakukan pengelolaan keuangan yang baik agar operasional tidak terganggu. Hal ini tercermin dari rasio kas dan rasio lancar RS PON yang masing-masing sebesar 240,47% dan 1.695,31%. Dengan demikian, kewajiban jangka pendek dapat dipenuhi oleh RS PON, namun banyak aset lancar yang mengendap dan seharusnya bisa menjadi potensi pendapatan tambahan rumah sakit, atau banyak piutang yang belum terbayarkan. BPJS Kesehatan juga perlu mengelola keuangan dengan baik untuk menjaga keberlangsungan program JKN, yang ditunjukkan dengan rasio kas dan rasio lancar sebesar 152,91% dan 914,6%.

Stroke ranks as the third most costly disease in the National Health Insurance (Jaminan Kesehatan Nasional/JKN) program. Medical services are carried out in accordance with the clinical pathway, which is derived from the national guidelines for medical services (PNPK). The tariff for treating ischemic stroke in the Indonesia Case-Based Group (INA-CBG) was set before establishing of the PNPK, resulting in the tariff for ischemic stroke treatment being issued before calculating the real actual costs of delivering the national service standards of care. This research is necessary to demonstrate that hospitals need to manage care costs and service quality so that the INA-CBG rates can cover the unit costs of inpatient ischemic stroke care for JKN patients at the National Brain Center Hospital (RS PON) Prof. Dr. dr. Mahar Mardjono Jakarta. A retrospective nonexperimental research design was used, analyzing data from ischemic stroke patients hospitalized at RS PON between October—December 2019. The results showed that the average unit cost of inpatient ischemic stroke at RS PON was IDR11,598,286 ± IDR5,799,088, based on the 2019 data. Multiple regression tests indicated that the length of stay, sistolic and the national institutes of health stroke scale (NIHSS) scores upon admission were significant determinants of the variation of the average unit cost. Non-significant difference was found between the INA-CBG 2016 tariff for type A hospitals (region 1) and the average unit cost of inpatient ischemic stroke among JKN patients at RS PON. In conclusion, implementing the INA-CBG 2016 tariff for type A hospitals such as RS PON creates an average deficit of -IDR214,049 ± IDR4,647,223 per case. The discrepancy between unit costs and INA-CBG tariffs is estimated to have resulted in a deficit of -IDR1,262,304,927 for RS PON in 2019. Furthermore, assuming an ischemic stroke prevalence of 1.1‰, the deficit borne by all JKN-participating hospitals is estimated to have reached -IDR 61,108,299,113. Although the average unit cost is higher than the tariff, the hospital can manage its finances well to ensure that operations are not disrupted. This is reflected in RS PON's cash ratio and current ratio, which are 240.47% and 1,695.31%, respectively. Thus, RS PON can meet its short-term obligations, but many current assets are idle and should be potential additional hospital revenue or m any outstanding receivables. BPJS Kesehatan also needs to manage its finances well to maintain the continuity of the JKN program, as indicated by its cash ratio and current ratio of 152.91% and 914.6%.

Utilisasi pelayanan rumah sakit pada pasien kanker payudara dalam program Jaminan Kesehatan Nasional (JKN) menunjukkan pola yang heterogen dan belum terpetakan secara empiris. Penelitian ini bertujuan (1) mengidentifikasi kelas laten pola utilisasi pelayanan rumah sakit pada pasien kanker payudara peserta JKN melalui Analisis Kelas Laten; (2) menganalisis distribusi variabel prediktor berbasis Andersen Behavioral Model antar kelas utilisasi yang terbentuk; (3) membangun dan mengevaluasi model prediksi kelas utilisasi menggunakan pendekatan pembelajaran mesin dengan analisis kontribusi variabel prediktor; serta (4) merumuskan implikasi kebijakan berbasis temuan empiris untuk penguatan sistem JKN. Penelitian ini menggunakan desain kohort retrospektif berbasis Data Sampel BPJS Kesehatan periode 2017–2024 dengan sampel 3.186 pasien kanker payudara (ICD-10 C50.x dan D05.x) untuk pembentukan kelas utilisasi, dan 3.131 pasien untuk pemodelan prediktif. Hasil LCA mengidentifikasi empat kelas utilisasi yang berbeda secara substantif: Low Utilizer (33,5%; n=1.066), Moderate Outpatient (26,4%; n=841), High Inpatient Complex (21,6%; n=687), dan High Outpatient (18,6%; n=592), dengan model optimal memiliki nilai BIC 24.081,73 dan Entropy 0,894. Model prediksi yang dibangun mencapai akurasi 67,8% pada data uji independen, nilai Cohen's Kappa 0,56, dan rata-rata AUC makro 0,889 dengan kemampuan identifikasi kelas High Inpatient Complex mencapai AUC 0,910. Analisis kontribusi variabel prediktor mengkonfirmasi dominasi faktor kebutuhan klinis dimana lima dari lima prediktor teratas adalah faktor klinis, dengan episode kemoterapi sebagai determinan terkuat (nilai kontribusi 0,7456) yang mengkonfirmasi secara empiris prediksi Andersen Behavioral Model tentang dominasi kebutuhan klinis dalam sistem dengan cakupan finansial tinggi. Penelitian ini merekomendasikan pengembangan sistem peringatan dini berbasis data klaim, perluasan program pengelolaan penyakit kronis ke kanker payudara, reformasi tarif pelayanan berbasis kompleksitas utilisasi longitudinal, serta integrasi data klaim BPJS Kesehatan dengan Registri Kanker Nasional sebagai fondasi pemantauan berbasis nilai layanan kesehatan.

Hospital service utilization among breast cancer patients in Indonesia's National Health Insurance (JKN) program demonstrates heterogeneous patterns that have not been empirically mapped. This study aimed to (1) identify latent classes of hospital service utilization among breast cancer patients enrolled in JKN using Latent Class Analysis; (2) analyze the distribution of Andersen Behavioral Model-based predictor variables across the identified utilization classes; (3) develop and evaluate a predictive model for utilization class classification using a machine learning approach with predictor variable contribution analysis; and (4) formulate evidence-based policy implications for JKN system strengthening. This retrospective cohort study utilized BPJS Kesehatan's Sample Data 2017–2024, with a sample of 3,186 breast cancer patients (ICD-10 C50.x and D05.x) for utilization class formation and 3,131 patients for predictive modeling. LCA identified four substantively distinct utilization classes: Low Utilizer (33.5%; n=1,066), Moderate Outpatient (26.4%; n=841), High Inpatient Complex (21.6%; n=687), and High Outpatient (18.6%; n=592), with the optimal model achieving BIC of 24,081.73 and Entropy of 0.894. The predictive model achieved 67.8% accuracy on an independent test set, Cohen's Kappa of 0.56, and macro-average AUC of 0.889, with High Inpatient Complex identification reaching AUC of 0.910. Variable contribution analysis confirmed the dominance of clinical need factors, chemotherapy episodes emerged as the strongest determinant (contribution value 0.7456), empirically confirming the Andersen Behavioral Model's prediction about clinical need dominance in high-coverage systems. This study recommends developing claims data-based early warning systems, expanding chronic disease management programs to breast cancer, reforming reimbursement tariffs based on longitudinal utilization complexity, and integrating BPJS Kesehatan claims data with the National Cancer Registry.