ABSTRAK<>br>Tesis ini akan membahas tentang strategi penjualan General Sales Agency, yang ditunjuk oleh penerbangan di daerah tertentu, berdasarkan data penjualan penerbangan. Akan tetapi, beberapa penerbangan menggunakan mata uang yang.berbeda tergantung lokasi agensi itu berada. Beberapa Negara menetapkan penggunaan mata uang lokal mereka ketika melakukan transaksi. Oleh karena itu, untuk menganalisa perubahan mata uang, analisa model regresi dinamis diterapkan. Di samping itu, tesis ini juga menggambarkan kecenderungan dari perilaku agen dengan menggunakan analisis RFM dengan metode kuartil. Metode ini digunakan karena implementasinya yang mudah dan membagi agen dengan jumlah yang sama. Setelah ditetapkan, korelasi digunakan untuk menganalisa kecenderungan penjualan terhadap agen-agen tersebut. Dengan menemukan kecenderungan dan tingkat signifikan dari klasifikasi RFM, perumusan untuk strategi berdasarkan data penjualan dapat ditentukan. Dalam hal ini, proses dalam Big Data Analytics digunakan untuk mencari nilai yang tersembunyi. Hasil dari tesis ini adalah penjualan akibat kebijakan pemerintah secara statistic tidak berpengaruh terhadap penjualan, klasifikasi RFM, dan terdapat korelasi negatif antara resensi dan frekuensi dan resensi dan monetary, dan korelasi positif antara frekuensi dan monetary.

---

ABSTRACT<>br>This thesis gives explanation regarding sales strategy of General Sales Agency based on sales data, appointed by airlines rsquo principle to sell the tickets in Indonesia. Some principles are using different currencies, depends on the operating countries where General Sales Agency resides. Dynamic regression model is used to analyze any changing due to external environment such as policy regulation. The tendencies of classification based on RFM analysis with quartile method to cluster agents using correlation were also examined. RFM analysis of quartile method is used because it is easy to implement and divide the agents equally. After that, correlations are used to examine the tendencies of sales data towards RFM classifications. Finding general tendencies and level of significance of RFM classifications would help to formulate strategy based on available data given by the company. Big Data analytics is used to get the hidden value from the data. The results indicate no statistically significant changes of sales due to policy regulation, RFM classifications are created, statistically significant negative correlations between recency and frequency, and between recency and monetary, and statistically significant positive correlation between frequency and monetary.