ABSTRAK Metode Double Exponential Smoothing Tipe Holt dapat digunakan pada data yang mengalami trend. Metode ini menggunakan dua parameter yaitu parameter nilai pemulusan eksponensial dan parameter pemulusan nilai trend. Data COVID-19 tumbuh secara eksponensial dan memiliki model penyebaran mengikuti Double Exponential Smoothing. Tujuan dari penelitian ini adalah untuk memperoleh model peramalan dan hasil peramalan dari kasus data COVID-19. Penelitian ini menggunakan kasus data COVID-19 pada periode 1 Januari 2021 – 28 Februari 2022 yaitu sebanyak 424 hari. Hasil penelitian ini memperoleh model peramalan untuk lima kategori kasus COVID-19 yaitu Kontak Erat Discarded, Kasus Asimptomatik, Kasus Simptomatik, Konfirmasi Meninggal, dan Konfirmasi Sembuh. Kelima model peramalan tersebut dapat digunakan untuk menentukan jumlah kasus data COVID-19 untuk hari ke-425 dan seterusnya. Ukuran kesalahan peramalan model ditentukan berdasarkan nilai MAPE (Mean Absolute Percentage Error) dengan nilai yang diperoleh untuk semua kategori kasus COVID-19 menunjukkan bahwa semua model peramalan menghasilkan nilai MAPE dibawah 10%, artinya model peramalan tersebut memiliki kemampuan yang sangat baik untuk melakukan peramalan kasus data COVID-19. ABSTRACT Holt Type Double Exponential Smoothing Method can be used for trending data. This method uses two parameters, the parameters are exponential smoothing value parameter and the trend value smoothing parameter. COVID-19 data grows exponentially and has distribution model follow to Double Exponential Smoothing model. The purpose of this study are to obtain forecasting model and forecasting results from COVID-19 data cases. This study uses COVID-19 data cases on period 01 January 2021 – 28 February 2022, which is 424 days. The result of this research obtained forecasting models for five categories of COVID-19, namely Discarded Close Contacts, Asymptomatic Cases, Symptomatic Cases, Death Confirmation, and Recovered Confirmation. The five forecasting models are used to determine total of COVID-19 data cases on 425th day period onwards. The forecast error size of model is determined based on MAPE (Mean Absolute Percentage Error) value with obtained MAPE values for all categories are lower than 10%, which means that forecasting models has a very good performance for forecasting COVID-19 data cases.