Disertasi ini membahas suatu metodologi alternatif untuk mengklasifikasi secara tidak terbimbing (unsupervised classification) data polarimetrik-SAR. Pada tahap permulaan dua metode pengekstraksian fitur diterapkan untuk mengeksploitasi secara optimal berbagai informasi yang terkandung dalam data polarimetrik-SAR tersebut. Metode pengekstraksi yang pertama didasarkan atas penurunan berbagai fitur dari representasi matriks kovarian polarimetrik (totalnya terdapat sembilan parameter yang merepresentasikan masing-masing power kanal polarisasinya, koherensi polarimetriknya, dan perbedaan fase polarimetriknya), dan metode yang kedua didasarkan atas dekomposisi polarimetrik Cloude (totalnya terdapat tiga parameter yang memberikan informasi mengenai karakteristik hamburan balik sinyal radar atas berbagai target yang berbeda-beda). Selanjutnya suatu teknik penyeleksian (pereduksian) fitur berdasarkan transformasi maximum noise fraction (MNF) diaplikasikan pada fitur-fitur tersebut untuk mendapatkan informasi-informasi yang paling berguna dan mengurangi informasi lain yang sifatnya redundan ataupun informasi yang tidak terkait lainnya. Tahapan klasifikasi kemudian dilakukan dengan algoritma klustering fuzzy maximum likelihood estimation (FMLE). Algoritma FMLE tersebut memungkinkan pembentukan kluster-kluster yang berbentuk elips dalam sembarang arah sehingga lebih fleksibel dibandingkan dengan algoritma klustering fuzzy K-means yang standar. Namun demikian, algoritma dasar FMLE semata-mata hanya menggunakan informasi spektral (atau intensitas) dari masingmasing vektor piksel dan informasi spasial-kontekstual tidak ikut diperhitungkan dalam proses klustering. Oleh karena itu, hasil klasifikasi yang kurang bagus (bernoise) biasanya akan didapatkan apabila diterapkan pada data SAR sebagai akibat keberadaan noise speckle. Pada penelitian ini diajukan suatu metode baru yang mengintegrasikan antara hasil klustering FMLE (yang berbasis piksel per piksel) dengan informasi spasial-kontekstual yang dieksploitasi dengan analisa statistikal atas informasi kelas piksel-piksel yang bersebelahan dan informasi spasialkontekstual tambahan yang diperoleh dari hasil analisa klustering menggunakan fitur-fitur hasil dekomposisi wavelet. Metodologi yang diajukan tersebut telah diujicoba dengan menggunakan data polarimetrik E-SAR yang diakuisisi di daerah Penajam, Kalimantan Timur dan data polarimetrik ALOS-PALSAR yang diakuisisi di daerah Lumajang, Jawa Timur, Indonesia. Dari hasil-hasil eksperimen dapat disimpulkan bahwa hasil klasifikasi yang diperoleh lebih meningkatkan perfomansi pembedaan berbagai objek tutupan lahan, lebih homogen pada area yang bersifat homogen, dan tetap mempertahankan batas-batas objek dan struktur-struktur detail lainnya.