Segmentasi citra merupakan bagian yang tidak terpisahkan dari metodologi analisis citra berbasis objek. Teknik segmentasi citra secara otomatis mengelompokkan piksel berdekatan menjadi contiguous region berdasarkan kriteria similarity pada property piksel. Objek dapat lebih baik daripada piksel, dalam hal mengetahui tetangganya (neighbours) serta hubungan spasial dan spektral antar piksel. Kelemahan utama klasifikasi citra berbasis piksel adalah pada citra hasil klasifikasi akan terdapat gangguan berupa “salt and pepper”. Dalam langkah-langkah klasifikasi citra level tinggi, ada suatu kebutuhan untuk memiliki objek primitif dengan ukuran dan skala yang berbeda-beda yang diperoleh dari suatu citra yang sama. Hal inilah yang menjadi alasan utama mengapa pada klasifikasi citra remote sensing hiperspektral, dibutuhkan suatu pendekatan segmentasi multiresolusi. Pada penelitian ini akan diusulkan suatu pendekatan analisis citra remote sensing hiperspektral berbasis objek, dengan menggunakan teknik segmentasi multiresolusi dan pengklasifikasi Support Vector Machine. Pada penelitian ini untuk proses multiresolusi akan digunakan teknik transformasi wavelet sedangkan untuk proses segmentasi akan digunakan teknik watershed atau Fuzzy C Means. Sebelum citra disegmentasi dilakukan proses filtering menggunakan teknik Hybrid Median Filter, dan sesudah proses segmentasi dengan watershed atau Fuzzy C Means, dilakukan filtering kembali dengan menggunakan teknik morphology. Gabor filter dan Grey Level Co-occurrence Matrix (GLCM) digunakan pada tahap feature extraction. Analisis citra hiperspektral berbasis objek yang diusulkan dapat meningkatkan akurasi jika dibandingkan dengan analisis citra hiperspektral berbasis piksel, untuk citra hiperspektral Indian Pine dan Tippecanoe County yang diujicobakan dalam penelitian ini, yaitu sebesar 86,76% untuk citra Indian Pine, dan sebesar 85,97% untuk citra Tippecanoe County. vii + 76 hlm; 10 lamp; 25 gbr; 13 tbl. Bibliografi: 39 (1991 – 2008)