Penelitian ini bertujuan untuk mengoptimalkan prediksi penjualan di industri meubel dengan menggunakan metode Double Exponential Smoothing (DES). Metode ini dipilih karena mampu menganalisis data historis dengan mempertimbangkan tren dan pola musiman, sehingga mampu menghasilkan prediksi yang lebih akurat. Data yang digunakan dalam penelitian ini berasal dari penjualan meubel tahun 2023 yang diambil dari platform Kaggle, mencakup informasi bulanan untuk produk seperti sofa, arm chair, cabinet, single door, dan cladding. Penelitian ini dilakukan melalui beberapa tahapan mulai dari pengumpulan data, pra-pemrosesan, hingga perhitungan prediksi meggunakan metode DES. Evaluasi model dilakukan menggunakan metrik Mean Absolute Percentage Error (MAPE) untuk mengukur tingkat akurasi prediksi. Hasil penelitian menunjukkan bahwa setiap produk memiliki nilai parameter smoothing (α) optimal dengan tingkat kesalahan terkecil, produk sofa memiliki MAPE terkecil sebesar 3,961% pada α = 0,5, arm chair sebesar 5,691% pada α = 0,6, cabinet sebesar 12,517% pada α = 0,6, single door sebesar 18,583% pada α = 0,5, dan cladding sebesar 8,122% pada α = 0,5. Untuk mempermudah proses perhitungan dan analisis, sistem berbasis web dirancang untuk menyajikan hasil prediksi secara visual dan interaktif. Sistem ini membantu perusahaan menyusun strategi stok dan perencanaan penjualan berdasarkan prediksi yang akurat. Penelitian ini menunjukkan bahwa metode DES efektif dalam meningkatkan efisiensi operasional perusahaan dan memperkuat daya saing di pasar meubel yang kompetitif.