Klasifikasi merupakan bagian penting dalam pengolahan citra digital. Tujuan utama klasifikasi adalah mengelompokkan setiap piksel dalam citra ke sebuah kelas objek yang termuat dalam citra sehingga diperoleh citra tematik. Presedure klasifikasi citra digital menjadi tidak sederhana jika digunakan untuk mengklasifikasikan data citra hiperspektral karena selain berukuran sangat besar, data citra hiperspektral juga berdimensi tinggi. Tujuan dari penelitian ini adalah membangun suatu metoda yang efektif untuk mengklasifikasikan data citra hiperspektral. Uji coba dilakukan terhadap citra CASI hasil pencitraan wilayah Kebun Raya Bogor. Hasil uji coba menunjukkan bahwa metoda klasifikasi pairwise One vs One yang dikombinasikan dengan metoda pereduksi dimensi Squential Floating Forward Selection dan metoda penggabungan Simple Voting, cukup efektif dalam mengklasfikasikan data citra hiperspektral. Selain tidak membutuhkan ukuran training sample yang terlalu besar, kombinasi metoda ini juga dapat mencapai tingkat akurasi sampai 96,08%.