Pneumonia merupakan penyakit yang menyerang paru-paru. Ketika seseorang dicurigai sebagai penderita pneumonia maka akan dilakukan berbagai pemeriksaan untuk memastikan hasil diagnosis, salah satunya yaitu pemeriksaan pada citra x-ray toraks. Namun, terdapat kemungkinan dokter/radiologis melakukan kesalahan dalam melakukan interpretasi. Untuk meminimalisir hal tersebut diperlukan terbososan guna membantu dokter/radiologis dalam menganalisis citra x-ray toraks. Salah satunya adalah dengan menerapkan penggunaan Convolutional Neural Network (CNN), dimana harapannya CNN dapat digunakan untuk mengenali citra x-ray toraks sehat dan berpneumonia. Akan tetapi terdapat faktor yang dapat menyebabkan citra x-ray menjadi buruk, sehingga dimungkinkan dapat mempengaruhi hasil perolehan CNN. Untuk mengatasi hal tersebut Contrast Limited Adaptive Histogram Equalization (CLAHE) digunakan untuk melakukan perbaikan citra sebelum citra diterapkan pada CNN. Selain itu penggunaan beberapa epoch dan ukuran gambar yang berbeda juga diterapkan untuk mengetahui pengaruh pada hasil yang diperoleh model, dimana kemudian hasil-hasil yang diperoleh tersebut dilakukan analisis untuk mengetahui model mana yang memperoleh hasil terbaik. Setelah dilakukan pengujian, diperoleh hasil perolehan terbaik pada model dengan penerapan CLAHE pada epoch 180 dengan ukuran 256x256 yang memperoleh tingkat akurasi sebesar 95,21%.