Abstrak - Pencitraan bawah air menghadapi tantangan degradasi visual yang signifikan akibat penyerapan dan hamburan cahaya, yang berdampak pada rendahnya akurasi algoritma visi komputer. Penelitian ini bertujuan untuk mengoptimalkan performa pencocokan citra terumbu karang menggunakan algoritma Scale-Invariant Feature Transform (SIFT) melalui rangkaian metode preprocessing yang komprehensif. Tahapan perbaikan citra yang diusulkan meliputi kompensasi warna berbasis logaritmik, white balance, koreksi gamma, dehazing, dan Contrast Limited Adaptive Histogram Equalization (CLAHE). Hasil eksperimen terhadap 50 citra uji menunjukkan peningkatan kualitas citra yang signifikan secara objektif, ditandai dengan kenaikan nilai rata-rata Underwater Image Quality Measure (UIQM) sebesar 47,7% (dari 2,072 menjadi 3,061) dan Underwater Color Image Quality Evaluation (UCIQE) sebesar 50,2% (dari 0,551 menjadi 0,828). Peningkatan kualitas visual ini secara langsung mengoptimalkan performa ekstraksi fitur, di mana jumlah matched points pada algoritma SIFT meningkat sebesar 11,48%, yaitu dari 1550 menjadi 1728 titik. Penelitian ini membuktikan bahwa stabilitas warna dan ketajaman kontras lokal sangat krusial dalam meningkatkan jumlah deskriptor yang valid dan akurat, bahkan pada kondisi citra yang mengalami rotasi ekstrem sebesar 180°.Kata kunci : Underwater Image Enhancement; SIFT; Matched Points; Terumbu Karang; CLAHE; Abstract - Underwater imaging faces significant visual degradation challenges due to light absorption and scattering, impacting the accuracy of computer vision algorithms. This study aims to optimize the matching performance of coral reef images using the Scale-Invariant Feature Transform (SIFT) algorithm through a comprehensive sequence of preprocessing methods. The proposed image enhancement stages include logarithmic-based color compensation, white balance, gamma correction, dehazing, and Contrast Limited Adaptive Histogram Equalization (CLAHE). Experimental results on 50 test images show a significant objective improvement in image quality, marked by an increase in the average Underwater Image Quality Measure (UIQM) by 47.7% (from 2.072 to 3.061) and Underwater Color Image Quality Evaluation (UCIQE) by 50.2% (from 0.551 to 0.828). This visual quality improvement directly optimizes feature extraction performance, where the number of matched points in the SIFT algorithm increased by 11.48%, from 1550 to 1728 points. This study proves that color stability and local contrast sharpness are crucial in increasing the number of valid and accurate descriptors, even under extreme image rotation of 180°.Keywords: Underwater Image Enhancement; SIFT; Matched Points; Coral Reef; CLAHE;