<![CDATA[Data from a production process usually is correlated and doesnot fit normal distribution. In order to detect the existence of strutural changes in production process, especially attribute data, which is focused on changes that are influenced by the data covariance structure, it is necessary to model the covariance function which identical to the spectral distribution first. Accordingly, data is transformed into its spectral distribution by using Walsh-Fourier Transformation so that data will not be correlated and can be analize statistically. Transformed data will be tested with F-test to see if this method can detect the changes. This simulation will use time series data which is generated with INAR (Integer Valued Auto-Regressive) model. Abstract in Bahasa Indonesia : Data pada suatu proses produksi pada umumnya terkorelasi dan tidak berdistribusi normal. Untuk dapat mendeteksi adanya perubahan struktur pada proses produksi, khususnya data atribut, yang difokuskan pada perubahan struktur yang mempengaruhi struktur kovarian data, perlu dimodelkan terlebih dahulu oleh fungsi kovarian yang identik dengan distribusi spektralnya. Karena itu data ditransformasikan ke dalam distribusi spektralnya dengan menggunakan transformasi Walsh-Fourier sehingga data menjadi tidak terkorelasi dan dapat dianalisa secara statistik. Data yang telah ditransformasikan ini akan diuji dengan menggunakan pengujian statistik F untuk mengetahui apakah metode ini dapat mendeteksi adanya perubahan. Data yang dipakai dalam simulasi ini berupa data time series yang dibangkitkan dengan model INAR (Integer Valued Auto-Regressive). Kata kunci : perubahan struktur, data atribut, struktur kovarians, distribusi spektral, uji statistik.]]>
Copyrights © 1999
