Sejalan dengan perkembangan teknologi perangkat elektronik multimedia, jumlah data citra dalam bentuk digital meningkat dengan cepat. Sistem manajemen berkas untuk mengelola data citra sangat diperlukan terutama dalam hal pengolahan citra. Salah satu tahap penting dalam pengolahan citra adalah pengukuran kemiripan citra. Beberapa penelitian telah mengembangkan metode pengukuran kemiripan citra berbasis isi citra. Namun metode tersebut belum bisa mengatasi masalah kesenjangan semantik, yaitu masalah perbedaan interpretasi kemiripan citra yang dihasilkan oleh metode tersebut dengan kemiripan citra berdasarkan interpretasi manusia. Penelitian ini mengusulkan sebuah metode baru pengukuran kemiripan citra yang dapat mengatasi masalah kesenjangan semantik citra. Metode yang diusulkan menggunakan pendekatan semantik dengan representasi tree untuk mengukur kemiripan citra. Ada tiga tahap metode yang diusulkan yaitu tahap ekstraksi ciri, pembentukan hirarki semantik, dan pengukuran kemiripan citra. Tahap ekstraksi ciri yaitu mendekomposisi citra menjadi beberapa potong bagian citra/fragmen melalui proses pembelajaran. Tahap pembentukan hirarki semantik yaitu membentuk hirarki semantik untuk setiap citra dan tahap pengukuran kemiripan citra yaitu mengukur kemiripan citra menggunakan tree. Untuk menguji kehandalan metodologi yang diusulkan, dilakukan percobaan pengukuran kemiripan citra menggunakan database citra benchmark dengan 2.268 citra. Kinerja metode dievaluasi menggunakan precision dengan interpolasi dan analisis ROC dengan uji statistika T berpasangan (paired t-test). Hasil percobaan menunjukkan bahwa metodologi pengukuran kemiripan citra yang diusulkan memiliki kinerja yang lebih baik dalam mengukur kemiripan citra dan berbeda nyata dibandingkan dengan metode global dan metode lokal yang sudah dikembangkan sebelumnya. Berdasarkan hasil percobaan nilai rataan precision metode global mencapai 24%, metode lokal mencapai 30% dan metode yang diusulkan mencapai 65% . Berdasarkan hasil percobaan nilai rataan hit rate metode global dan metode local mencapai 73% dan metode yang diusulkan mencapai 95%. Hasil percobaan juga menunjukkan bahwa metodologi pengukuran kemiripan citra yang diusulkan sesuai dengan persepsi visual manusia dengan nilai koefisien korelasi 0.77. Ini menunjukkan bahwa representasi citra secara hirarki mampu merepresentasikan struktur citra lebih baik dan pengukuran kemiripan citra berbasis tree mampu mengatasi adanya perubahan struktur geometri pada citra sehingga dapat mengukur kemiripan citra secara semantik dengan baik sesuai dengan interpretasi manusia. Dengan demikian metode yang diusulkan diharapkan dapat bermanfaat untuk pencarian citra pada mesin pencari, sistem keamanan misalnya untuk pengenalan wajah, diagnosa medis, diagnosa protein, dan lain-lain.