Algoritma Principal Component Transform (PCT) adalah salah satu cara untuk mengumpulkan informasi yang penting pada citra hiperspektral. Namum algoritma PCT masih memiliki beberapa kekurangan seperti: waktu proses komputasi yang besar dan sulitnya menentukan kombinasi terbaik 3 citra direpresentasikan dalam False Color Composite Display. Untuk mengatasi segmented PCT. Tugas akhir ini mencoba menerapkan algoritma segmented PCT pada citra hiperspektral relactance dan radiance. Algoritma ini membagi saluran-saluran spektrum menjadi beberapa grup saluran spektrum yang saling berkorelasi erat. Lalu pada setiap grup diterapkan transformasi dengan algoritma PCT dan dipilih beberapa ciri terbaik. Proses pembagian, transformasi dan pemilihan ciri ini dapat diulangi kembali jikalau diinginkan. Evaluasi hasil penerapan menyimpulkan bahwa algoritma segmented PCT telah berhasil mengatasi kekurangan algoritma PCT dengan penyerapan informasi yang tidak jauh berbeda dan proses komputasi yang lebih cepat. Algoritma segmented PCT juga dapat diterapkan pada citra radiance ataupun pada citra reflectance karena adanya pola yang sama antara kedua citra tersebut dalam pembagian grup . Pola yang didapat bila dibagi menjadi "4 Grup" adalah kumplan saluran-saluran spekturm : 1-38 (38 saluran Spektrum), 39-107(69 saluran spekturm), 108-164 (57 saluran spektrum) dan 165-224 (60 Saluran spektrum). Sedangkan bila menjadi " 3 Group" adalah kumpulan saluran-saluran spektrum : 1-107 (107 saluran spekturm). 108-164 (57 saluran spekturm dan 165-224 (60 saluran spektrum). Tampilan hasil algoritma segmented PCT relatif lebih baik daripada algoritma PCT dalam membedakan objek-objek dalam suatu area. Tampila hasil algoritma segmented PCT juga tidak didominasi oleh saluran-saluran spektrum tertentu seperti yang dialami algoritma PCT. Kata kunci: citra hitperspektral, radiance, reflectance, principal component transform (PCT). False color composite display, Ekstrasksi Ciri (Feature Extraction), Pemilihan ciri (Feature selection), Chattacharyya Distance Measure.