Business Intelligence Rawat Inap Pasien BPJS Kesehatan RS Vertikal di Provinsi Bali Tahun 2017-2022
Abstrak
Penelitian ini merupakan Business Intelligence berbasis Big Data dalam mendukung Strategic Human Resource Management (SHRM) di Rumah Sakit Vertikal di Provinsi Bali periode 2017–2022. Analisis dilakukan terhadap data biaya terverifikasi BPJS, length of stay (LoS), diagnosis, serta karakteristik demografis pasien. Hasil menunjukkan korelasi positif antara LoS dan biaya rawat inap (r=0,42), dengan rerata LoS 7 hari. Pasien kelas III mendominasi pelayanan rawat inap, sementara diagnosis gagal jantung menjadi kasus terbanyak. Temuan ini menggarisbawahi perlunya optimalisasi clinical pathway dan pengelolaan beban kerja yang terintegrasi. Kesimpulannya, implementasi Business Intelligence mampu meningkatkan efisiensi operasional, mendukung pengambilan keputusan strategis, serta memperkuat kapabilitas manajemen SDM dalam konteks rumah sakit berbasis data
Pendahuluan
Manajemen sumber daya manusia di rumah sakit merupakan komponen yang krusial dalam pelayanan kesehatan yang berkualitas tinggi dan paripurna. Manajemen sumber daya manusia yang efektif harus dibentuk berdasarkan strategi untuk mengatasi tantangan yang unik pada layanan rumah sakit. Manajemen SDM strategis sangat penting untuk menyeleraskan praktik keprofesian tenaga medis dan tenaga kesehatan dengan tujuan strategis rumah sakit secara keseluruhan. Hal ini termasuk dengan manajemen talenta, keterlibatan pegawai, dan kemampuan beradaptasi terhadap perubahan (Wilson, 2024). Rumah sakit yang menerapkan praktik Manajemen SDM Strategis mempunyai efek positif pada sikap pegawai dan hasil pencapaian rumah sakit meskipun dapat bervariasi antar kelompok pekerjaan yang berbeda seperti perawat dan dokter (Oppel, Winter, and Schreyögg 2019).
Direksi dan manajer rumah sakit perlu memastikan pegawainya tetap termotivasi dalam bekerja. Motivasi pegawai dipengaruhi oleh faktor non finansial diantaranya adalah evaluasi kinerja, pengaturan staff, jadwal kerja, dan pengembangan kompetensi pegawai. Faktor-faktor ini sangat krusial untuk mempertahankan tingkat motivasi yang tinggi diantara tenaga kesehatan dan tenaga medis (Weldegebriel et al. 2016). Untuk memastikan motivasi tinggi dan manajemen SDM yang strategis diperlukan Business Intelligence yang bersumber dari database rumah sakit.
Business Intelligence menggabungkan data mining, infrastruktur, visualisasi data, analisis bisnis, dan best practice untuk membantu rumah sakit membuat keputusan yang lebih baik berdasarkan data (data driven hospital). Data driven hospital atau Rumah Sakit berbasis data memanfaatkan teknologi digital dan big data untuk meningkatkan kinerja operasional, meningkatkan layanan kepada pasien, menyederhanakan manajemen perawatan pasien, memastikan motivasi tinggi para SDM, dan meningkatkan profit rumah sakit. Data driven hospital dapat menciptakan lingkungan kerja yang kondusif dan memberikan kesejahteraan, kepuasan, dan retensi pegawai.
Jurnal berjudul Exploring human resource management in the top five global hospitals: a comparative study yang ditulis oleh (Wang et al. 2023) menyebutkan bahwa pada kelima rumah sakit tersebut mempunyai kerangka kerja human resources management (HRM) yang berbeda namun semuanya mempunyai budaya organisasi yang kuat dan mempertahankan kebijakan peningkatan kompetensi dan kesejahteraan pegawainya. Desain Manajemen SDM strategis selaras dengan tujuan rumah sakit, dan mempertahankan manajemen talenta yang berkelanjutan sangat penting untuk mencapai keunggulan rumah sakit. Hal ini sejalan dengan Transformasi Budaya Kerja Kemenkes yang mempunyai tiga pokok program yaitu eksekusi efekti, cara kerja baru, dan pelayanan unggul. Dalam penelitian ini dapat dihubungkan dengan budaya kerja RS Vertikal di Provinsi Bali ini yang berlandaskan Tat Twam Asi yang memiliki makna melayani orang lain seperti melayani dirinya sendiri.
Artikel penelitian ini akan membahas bagaimana Big Data dapat dijadikan Business Intelligence sebagai Strategic Human Resources Management (SHRM) yang dapat mempengaruhi perubahan budaya kerja di RS Vertikal di Provinsi Bali.
Metode
Penelitian ini merupakan penelitian deskriptif analitis menggunakan data sampel BPJS Kesehatan tahun 2017-2022. Menggunakan beberapa variabel diantaranya adalah variabel biaya terverifikasi BPJS, hari masuk dan keluar pasien, length of stay (LoS) atau lama rawat inap, diagnosis penyakit, kelompok INACBGs, dan korelasi antara Biaya Terverifikasi & Lama Rawat, serta variabel kepesertaan pasien di antaranya adalah jenis kelamin, status pulang, kelas rawat inap, segmentasi peserta (PBI / Non PBI), dan Provinsi Perujuk.
Menggunakan Stata untuk membuat dataset dan menggunakan Tableau untuk membuat decision support system. Keutamaan dalam penelitian ini adalah tersedianya Business Intelligence bagi direksi dan manajer rumah sakit sebagai Strategic Human Resources Management.
Penelitian ini hanya sebagai contoh, bahwa dari big data pelayanan pasien di Rumah Sakit dapat menjadikan data-driven hospital yang berdampak untuk perubahan budaya kerja yang memperhatikan antara biaya dan kinerja.
Hasil
Tren rawat inap BPJS Kesehatan menurun dari 2017 hingga 2021, ada tren menurun karena adanya COVID-19 namun meningkat kembali pada tahun 2022 dengan jumlah total rawat inap sebanyak 13.793 hari dengan rerata perpasien di rawat inap adalah 7 hari. Biaya yang terverifikasi untuk rawat inap pasien BPJS Kesehatan di Rumah Sakit Umum Vertikal di Provinsi Bali selama 2017-2022 sebesar Rp 27.618.919.225 dan korelasi antara lama rawat inap dengan biaya yang terverifikasi adalah 0,42 yang berarti ada hubungan yang kuat antara lama rawat inap dengan biaya yang terverifikasi.
Senin pasien masuk dan rabu pasien pulang merupakan kombinasi paling besar diantara kombinasi hari lain sebesar 7.411 layanan. Jenis kelamin perempuan merupakan pasien tertinggi sebesar 63.948 pasien yang mendapat pelayanan. Pasien pulang sehat merupakan jumlah tertinggi pemulangan pasien BPJS Kesehatan sebanyak 110.121 pelayanan pulang sehat. Rawat inap kelas III sebanyak 48.424 pelayanan, dan segmentasi peserta PPU merupakan tertinggi sebanyak 35.733 layanan. Selain dari provinsi Bali sendiri, ternyata RS Vertikal di Provinsi Bali ini juga menerima rujukan dari provinsi lain yaitu provinsi NTB, NTT, dan Banten.
Diagnosis terbesar untuk pasien BPJS Kesehatan tahun 2017-2022 dalam kelompok INACBGs adalah Cardiovascular systems groups sebanyak 18.509 layanan dengan diagnosis terbesar adalah Congestive Heart Failure sebanyak 7.355.
Pembaca bisa langsung mengakses Dashboard Analisis Biaya dan Lama Rawat Inap Pasien BPJS Kesehatan di RS Vertikal Provinsi Bali Tahun 2017-2022 sehingga bisa langsung melihat detail analisis permasing-masing variabel. Untuk berkonsultasi untuk penelitian, disertasi/ tesis serta pembuatan dashboard layanan rumah sakit bagi direksi dapat menghubungi kontak saya
Diskusi
Hasil penelitian tersebut secara tren selama 6 tahun mengungkapkan bahwa workload atau beban kerja akan besar pada hari Senin dan Rabu, direksi dan manajemen sebaiknya dapat turun langsung memantau kinerja pegawai pada hari tersebut sebagai support kepada pegawai. Berikan support seperti makanan tambahan kepada frontliner atau pegawai-pegawai rumah sakit, karena beban kerja tinggi pada hari tersebut hal ini dapat mempertahankan motivasi pegawai. Unit kerja yang menangani penyakit-penyakit Kardiovaskular, Neoplasma/ Kanker, Central Nervous System (Stroke) perlu diperhatikan oleh pihak direksi dan manajemen, berikan pola pengaturan pegawai yang sesuai.
Pada tahun 2022, rerata lama rawat inap adalah 5 hari, namun korelasi biaya dan lama rawat inap hanya 0,14 yang berarti ada hubungan yang lemah antar dua variabel tersebut. Hal ini seharusnya menjadi concern direksi dan manajemen untuk melihat kembali kinerja pegawai dan clinical pathway apakah sudah sesuai dengan regulasi, proyeksi profit, dan beban keuangan rumah sakit. Diagnosis gagal jantung, congestive heart failure, heart failure merupakan diagnosis tertinggi, hal ini harus diperhatikan juga bahwa dokter, perawat, dan tenaga kesehatan lain yang pada instalasi tersebut mempunyai beban kerja yang lebih tinggi dibandingkan dengan instalasi/ unit lain. Perlu disandingkan juga penelitian ini dengan data Nakes/ Named pada institusi tersebut.
Tren enam tahun dari 2017-2022 pasien dengan rawat inap kelas III merupakan penyumbang terbesar secara kuantitas pasien, rerata lama rawat 7 hari, dan korelasi biaya dengan LoS hanya 0,38 dengan pembayaran PBI APBD terbesar, hari Senin masuk kemudian keluar pada hari Rabu. Namun, pada tahun 2022 kelas III rawat inap rerata lama rawatnya selama 6 hari dengan korelasi biaya & LoS hanya sebesar 0,12. Hal ini menurut peneliti perlu ditinjau kembali oleh para Direksi untuk clinical pathway, bahan habis pakai, turnover pasien, dan proyeksi profit rumah sakit. Menurut (Kul et al. 2012),(Guertin et al. 2021), (Hoogma et al. 2024) menyebutkan bahwa faktor-faktor yang mempengaruhi LOS dalam jalur klinis (clinical pathway) untuk sistem kardiovaskular meliputi jenis prosedur, tingkat keparahan penyakit pasien, dan adanya penyakit penyerta. Sebagai contoh, HEART pathway untuk penyakit jantung dapat mereduksi lebih dari 20% beban biaya rumah sakit (Yau et al. 2017).
Dari diskusi ini dapat disimpulkan bahwa Business Intelligence yang dibuat berdasarkan big data rumah sakit dapat melihat tren kinerja, clinical pathway, beban kerja, dan cost benefit. Hal ini berdampak bagi penghasilan rumah sakit, meningkatkan reward bagi pegawai, dan motivasi tinggi pegawai dalam pekerjaanya. Business Intelligence ini sebagai salah satu tools untuk Strategic Human Resource Managemet.
Referensi
Guertin, L., M. Earle, T. Dardas, and C. Brown. 2021. ‘Post-Heart Transplant Care Pathway’s Impact on Reducing Length of Stay’. Journal of Nursing Care Quality 36(4):350–54. doi: 10.1097/NCQ.0000000000000546.
Hoogma, D. F., R. Croonen, L. Al Tmimi, J. Tournoy, P. Verbrugghe, S. Fieuws, and S. Rex. 2024. ‘Association between Improved Compliance with Enhanced Recovery after Cardiac Surgery Guidelines and Postoperative Outcomes: A Retrospective Study’. Journal of Thoracic and Cardiovascular Surgery 167(4):1363-1371.e2. doi: 10.1016/j.jtcvs.2022.07.010.
Kul, S., A. Barbieri, E. Milan, I. Montag, K. Vanhaecht, and M. Panella. 2012. ‘Effects of Care Pathways on the In-Hospital Treatment of Heart Failure: A Systematic Review’. BMC Cardiovascular Disorders 12. doi: 10.1186/1471-2261-12-81.
Oppel, E. M., V. Winter, and J. Schreyögg. 2019. ‘Examining the Relationship between Strategic HRM and Hospital Employees’ Work Attitudes: An Analysis across Occupational Groups in Public and Private Hospitals’. International Journal of Human Resource Management 30(5):794–814. doi: 10.1080/09585192.2016.1254104.
Wang, X., R. S. Wang, X. Qin, Y. N. Huang, H. C. Chiu, and B. L. Wang. 2023. ‘Exploring Human Resource Management in the Top Five Global Hospitals: A Comparative Study’. Frontiers in Public Health 11. doi: 10.3389/fpubh.2023.1307823.
Weldegebriel, Z., Y. Ejigu, F. Weldegebreal, and M. Woldie. 2016. ‘Motivation of Health Workers and Associated Factors in Public Hospitals of West Amhara, Northwest Ethiopia’. Patient Preference and Adherence 10:159–69. doi: 10.2147/PPA.S90323.
Wilson, C. D., and S. Balasundaram. 2024. ‘Agile HR-Based Employee Management Practices for Improving Hospital Service Delivery’. International Research Journal of Multidisciplinary Scope 5(2):636–51. doi: 10.47857/irjms.2024.v05i02.0593.
Yau, A. A., L. T. Nguyendo, L. L. Lockett, and E. Michaud. 2017. ‘The HEART Pathway and Hospital Cost Savings’. Critical Pathways in Cardiology 16(4):126–28. doi: 10.1097/HPC.0000000000000124.
Disclaimer
Artikel ini merupakan artikel penelitian yang dibuat atas dasar ketertarikan menampilkan data sebagai Business Intelligence. Penelitian ini belum mendapatkan review dari peneliti lain, jika berkenan memberikan review, silahkan tulis pada kolom komentar.
Tableau Public
Tag
#datafam #tableau #datavisualization #databercerita #BusinessIntelligence
Posting Komentar