Klasifikasi citra penginderaan jauh ( inderaja bertujuan untuk menghasilkan peta tematik, dimana tiap warna mewakili sebuah objek, misalkan hutan, laut sungai, sawah dan lain-lain. Makalah ini mempresentasikan disain dan implimentasi perangkat lunak untuk mengklasifikasikan citra inderaja multisepktral. Metode berbasis unsupervised yang diusulkan ini adalah integrasi dari metode feature extraction, hierarchical (hirarki) clustering, dan partitional (partisi) clustering, feature extraction dimaksudkan untuk mendapatkan komponen utama citra multispektral tersebut, sekaligus mengeliminir komponen yang diredundan sehingga akan mengurangi kompleksitas komputasi. Histogram komponen utama ini dianalisa untuk melihat lokasi terkonsentasinya pixel dalam feature space, sehingga proses split dapat menghasilkan cluster dengan cepat Beberapa cluster yang sangat mirip akan digabungkan oleh proses merge. Pada tahap akhir, proses partisi akan mendeteksi prototype tiap cluster dengan fuzzy C-Mean (FCM). Uji coba perangkat lunak ini dilakukan pada citra Landsat TM dan GOES-8. Hasilnya diukur berdasarkan homogenitas tiap cluster, heterogenitas antar cluster, waktu eksekusi, dan nilai tabel contingency. Tabel ini akan membuktikan keberhasilan klasifikasi terhadap 800 sampel dari Jawa Timur yang sebelumnya telah dikenal. Untuk bahan perbandingan, sampel juga diuji coba dengan algorithm ISMC (Improved Split and Merge Classification) yang berdasarkan penelitian sebelumnya telah terbukti lebih baik dari pada ISODATA. Secara umum, uji coba menunjukkan keunggulannya dibandingkan ISMC.