@thesis{thesis,
		author={IDZANUL IKSAN SINATRA  E1E1 14 072},
		title ={PERBANDINGAN KEEFEKTIFAN METODE WEIGHTED MOVING AVERAGE
DAN SINGLE EXPONENTIAL SMOOTHING UNTUK PERAMALAN JUMLAH 
PELANGGAN TELKOMSEL
(STUDI KASUS : PT TELKOMSEL REGION SULAWESI TENGGARA)},
		year={2019},
		url={http://repo.uho.ac.id/619/},
		abstract={INTI SARI 
 
Idzanul Iksan Sinatra, E1E114072 
PERBANDINGAN KEEFEKTIFAN METODE WEIGHTED MOVING AVERAGE
DAN SINGLE EXPONENTIAL SMOOTHING UNTUK PERAMALAN JUMLAH
PELANGGAN TELKOMSEL (STUDI KASUS : PT TELKOMSEL REGION
SULAWESI TENGGARA)
Skripsi, Fakultas Teknik, 2019 
PT. Telkomsel hampir menguasai 90% pangsa pasar di Indonesia dengan jumlah
pelanggan lebih dari 196 juta pelanggan pada tahun 2017. Grapari Kota Kendari sebagai
pusat pelayanan pelanggan Telkomsel di Sulawesi Tenggara masih belum mempunyai
sebuah sistem untuk memprediksi jumlah pelanggannya. Hal tersebut mengakibatkan
hilangnya potensi pelayanan yang seharusnya bisa diberikan seperti pembangunan kantor
cabang pada daerah  yang berpotensi memiliki jumlah pelanggan tinggi untuk memberikan
pelayanan secara menyeluruh kepada pelanggan. Untuk mengatasi masalah tersebut, akan
dibuat suatu sistem yang dapat membantu dalam pengelolaan data pelanggan dan
memprediksi jumlah pelanggan menggunakan algoritma forecasting dengan metode
weighted moving average dan metode single exponential smoothing sebagai pembanding
untuk melihat keefektifan metode yang digunakan. Setelah dilakukan analisis
perbandingan ditemukan 6 dari 8 Kota/Kabupaten yang dijadikan data penelitian
menunjukan nilai Mean Absolute Error (MAD), Mean Squared Error (MSE) dan Mean
Absolute Percentage Error (MAPE) metode Single Exponential Smoothing lebih kecil
daripada metode Weighted Moving Average. Hal ini dikarenakan metode Single
Exponential Smoothing sesuai dengan pola data pertumbuhan jumlah pelanggan Telkomsel
Region Sulawesi Tenggara yaitu pola data horizontal atau pola data yang berfluktuasi
disekitar nilai rata-rata yang konstan.
 
Kata kunci—Peramalan, Single Exponential Smoothing, Weighted Moving Average}
		}