Citra Hiperspektral dengan dimensi yang tinggi memerlukan suatu metode pereduksi dimensi yang efektif tanpa mengurangi kandungan informasi didalamnya. Metode tersebut dikatakan baik jika dapat menjadikan suatu citra mempunyai jarak pembeda yang cukup besar, sehingga diharapkan akurasi yang dihasilkan dari proses klasifikasi berprosentasi tinggi. Penelitian ini menganalisa metode ekstraksi GLDB baik Top Down dan Bottom Up dikombinasikan dengan metode pemilihan ciri yang sudah diketahui baik seperti SFFS dan GA. Hasil dari proses tersebut diklasifikasikan dengan metode Supervised dan unsupervised. Metode supervised dengan GML, MMD, MED dan MNED untuk citra-citra CASI, dan Landsat ETM. Sedangkan metode unsupervised untuk mengklasifikasi citra AVIRIS. Hasil uji coba menunjukkan kombinasi GLDBBU dengan GA dan metode klasifikasi GML, merupakan kombinasi yang menghasilkan prosentasi akurasi paling baik dibandingkan dengan kombinasi pengklasifikasi lainnya. Namun akurasi tidak lebih dari 80%. Sedangkan untuk klasfikasi dengan metode unsupervised secara visual dapat dikatakan baik. Untuk citra multispektral hasil akurasi yang didapatkan tidak jauh berbeda dengan citra hiperspektral dengan kinerja yang cukup baik dengan algoritma ekstraksi ciri.