Ukuran citra multispektral dipengaruhi oleh jumlah kanal dan resolusi. Semakin besar jumlah kanal dan resolusi maka semakin besar ukuran citra multispektral. Oleh karena itu dibutuhkan suatu metode untuk meminimalkan ukuran berkas citra. Pada tesis ini diajukan suatu metode pemampatan citra multispektral dengan transformasi Karhunen-Loeve (KLT) dan transformasi wavelet (WT) serta pengkodean Huffman. KLT dilakukan untuk mengurangai redundansi antar kanal dan menghasilkan principal component. Dari hasil tersebut, tiap komponen memiliki frekuensi rendah dan tinggi. Selanjutnya, dilakukan WT untuk memisahkan frekuensi rendah dan tinggi. Pada tiap aproksimasi dan detail hasil WT terdapat data yang reduncan. Tahap selanjutnya adalah melakukan klustering untuk mengelompokkan nilai pixel yang hampir mirip. Hasil klustering berupa index dan masih memiliki tingkat redundansi yang tinggi. Untuk itu tahap terakhir dari proses pemampatan adalah pengkodean Huffman. Pengkodean Huffman menghasilkan berkas yang efisien, hal ini ditandai dengan besarnya nilai rasio kompresi dan nilai signal to noise ratio. Implementasi metode pemampatan citra multispektral dikembangkan dalam bahasa MATLAB. Hasil implementasi ini digunakan untuk mengamati pengaruh pemampatan terhadap kualitas citra. Percobaan dilakukan pada citra dengan 256 derajat keabuan. Dari hasil percobaan, pemampatan dengan rasio kompresi sekitar 20 dapat mempertahankan SNR pada nilai sekitar 50.