<![CDATA[Abstract: This study aims to evaluate the maturity level of Information Technology (IT) governance at Hotel Daily Inn using the COBIT 2019 framework and to predict hotel reservation trends through a data science approach using the Bayesian Structural Time Series (BSTS) algorithm. A mixed-method approach is applied, combining qualitative methods for IT governance evaluation and quantitative methods for reservation prediction. Data collection involves literature review, interviews with four main divisions (Front Office, Food & Beverage, Housekeeping, and Security), observations, and documentation of reservation data from 2018 to 2022. The evaluation results indicate that the IT governance maturity level is at the "Managed" stage, with several areas requiring improvement, particularly in process monitoring and control. Meanwhile, the BSTS algorithm effectively models reservation fluctuations by accounting for external factors such as national holidays and the COVID-19 pandemic. The model demonstrates good predictive performance, evaluated through MAPE, MAE, MSE, and RMSE metrics. The study concludes that strengthening IT governance and leveraging data-driven predictions can enhance business strategy effectiveness in the hospitality sector Keywords: COBIT 2019, BSTS, hotel reservation, IT governance, prediction, data science Abstrak: Penelitian ini bertujuan untuk mengevaluasi tingkat kematangan tata kelola teknologi informasi (TI) di Hotel Daily Inn menggunakan kerangka kerja COBIT 2019 serta memprediksi tren reservasi hotel dengan pendekatan data science menggunakan algoritma Bayesian Structural Time Series (BSTS). Metode campuran digunakan dalam penelitian ini, yaitu dengan pendekatan kualitatif untuk analisis tata kelola TI dan pendekatan kuantitatif untuk analisis prediktif reservasi hotel. Pengumpulan data dilakukan melalui studi literatur, wawancara dengan empat divisi utama (Front Office, Food & Beverage, Housekeeping, dan Security), observasi, serta dokumentasi data reservasi dari tahun 2018 hingga 2022. Hasil evaluasi menunjukkan bahwa tingkat kematangan tata kelola IT masih berada pada level "Managed" dengan beberapa area yang perlu diperkuat, khususnya dalam pemantauan dan pengendalian proses. Sementara itu, algoritma BSTS berhasil memodelkan fluktuasi reservasi dengan memperhitungkan faktor eksternal seperti hari libur nasional dan pandemi COVID-19. Model ini menunjukkan performa yang baik dengan nilai akurasi prediktif yang dievaluasi menggunakan metrik MAPE, MAE, MSE, dan RMSE. Penelitian ini menyimpulkan bahwa penguatan tata kelola IT dan pemanfaatan prediksi berbasis data dapat meningkatkan efektivitas strategi bisnis di sektor perhotelan.  Kata kunci: COBIT 2019, BSTS, reservasi hotel, tata kelola IT, prediksi, data science]]>
