Saat ini media internet sebagai sumber informasi berkembang sangat pesat. 73% informasi yang ada di internet merupakan informasi visual yang berupa citra, sehingga pengembangan Sistem Perolehan Citra berbasis Konten (SPCK) sangat diperlukan. Beberapa usaha untuk pengembangan SPCK telah dilakukan agar citra yang dihasilkan lebih sesuai dengan keinginan pengguna. Salah satu usaha tersebut adalah penggunaan metode umpanbalik relevansi. Selama ini, metode umpanbalik relevansi menyediakan dua tingkat relevansi yaitu ”relevan” dan ”tidak relevan”. Penggunaan metode umpanbalik relevansi dalam dua tingkat tersebut belum mampu merepresentasikan persepsi pengguna atas tingkat relevansi sebuah citra. Penelitian ini bertujuan untuk mengatasi permasalahan atas ketidakmampuan metode umpanbalik relevansi sebelumnya dalam merepresentasikan tingkat relevansi sebuah citra. Pada penelitian ini diusulkan metodologi umpanbalik relevansi fuzzy dengan enam tingkatan, yaitu: ”sangat relevan”, ”relevan”, ”sedikit relevan”, ”samar-samar”, ”tidak relevan” dan ”sangat tidak relevan”. Untuk perhitungan hasil umpanbalik, diusulkan metode Modifikasi Vektor Kueri Fuzzy (MVKF) dan Inferensi Bayesian Fuzzy (IBF). Metode MVKF dilakukan dengan memodifikasi vektor kueri berdasarkan umpanbalik pengguna. Metode IBF menggunakan aturan Bayes untuk melakukan estimasi probabilitas posteriori untuk pangkalan data yang relevan dengan kueri yang diberikan. Metode umpanbalik relevansi fuzzy memasukkan nilai keanggotaan dalam perhitungan umpanbalik. Proses metode umpanbalik relevansi fuzzy ini terdiri dari lima tahap, yaitu: kemiripan citra, citra hasil, perhitungan nilai keanggotaan, proses umpanbalik, serta citra hasil umpanbalik. Metodologi umpanbalik relevansi fuzzy ini, dapat meningkatkan kinerja SPCK. Nilai precision untuk metode MVKF dan metode IBF lebih tinggi dibandingkan dengan metode konvensional, Suppot Vector Machines Fuzzy (SVMF), dan Fungsi Basis Radial Fuzzy (FBRF). Penelitian ini dapat dikembangkan dan diterapkan dalam beberapa aplikasi SPCK.