Deteksi Inefisiensi pada Klaim BPJS Kesehatan dengan menggunakan Machine Learning

Inefisiensi merupakan salah satu masalah yang perlu diperhatikan pada klaim yang diajukan oleh fasilitas kesehatan ke BPJS Kesehatan. Dengan jumlah klaim yang semakin meningkat, cara tradisional seperti verifikasi manual tidak akan dapat menangani jumlah data yang sangat besar dalam waktu singkat, sementara terdapat tuntutan untuk mempercepat penyelesaian klaim dengan jumlah verifikator yang terbatas. Salah satu cara yang dapat diadopsi adalah dengan menggunakan Machine Learning untuk mendeteksi transaksi yang berpotensi Inefisien dengan cepat. Penelitian ini membandingkan beberapa algoritma Machine Learning berupa Random Forest, Gradient Boosting Classifier, Decision Tree, Support Vector Machine, Naive Bayes, CatBoost dan XGBoost. Selain itu juga digunakan metode oversampling dan undersampling karena dataset yang digunakan tidak seimbang. Hasil terbaik didapat dengan menggunakan model Random Forest + Tomek Links yang menghasilkan F1 Score sebesar 60.97, dengan lima variabel yang paling berpengaruh yaitu biaya, lokasi fasilitas kesehatan, usia peserta, diagnosa dari FKTP dan diagnosa primer peserta.