Virus Corona atau yang lebih dikenal dengan Covid-19, pertama kali dikonfirmasi di China. Hingga saat ini, dunia masih bekerja keras untuk mengatasi dan mengendalikan pandemi ini mengingat tingkat penyebaran dan keparahannya yang semakin meningkat. Data harian kasus baru Covid-19 melaporkan fluktuasi pada bulan-bulan awal adanya wabah ini, dilanjutkan dengan beberapa pola tren dan musiman yang juga terekam belakangan ini. Tingkat keparahan virus yang sangat besar, mengidentifikasi tingkat kenaikan di masa depan menjadi fokus utama untuk mendukung informasi dan mempertahankan layanan kesehatan. Dalam penelitian ini, kami mengusulkan Seasonal Trend Loess (STL) Decomposition untuk mengamati trend dan noise pada dataset kasus harian Covid-19, dan peramalan yang melibatkan model Seasonal Autoregressive Integrated (SARIMA). Pengamatan tersebut melibatkan peningkatan angka kasus Covid-19 di DKI Jakarta, sebagai ibu kota dan kabupaten metropolitan terbesar di Indonesia. Pemerintah DKI Jakarta telah memilih untuk memberlakukan pembatasan skala besar untuk mengekang kasus Covid-19 baru-baru ini. Simulasi numerik menunjukkan bahwa model STL-SARIMA dapat mengatasi peramalan untuk mengantisipasi potensi jumlah kasus harian Covid-19 yang melimpah, dengan kesalahan peramalan sebesar 0,15.