Sistem penciuman elektronik telah dikembangkan dengan menggunakan kuarsa terlapis membransebagai sensornya dan jaringan neural buatan propagasi Balik (JNB-BP) sebagai sub-sistem pengenal polanya. Beberapa kelemahan penggunaan JNB-BP pada sistem penciuman elektronik adalah lamanya waktu pembelajaran dan adanya keterbatasan dalam mengenal pola aroma campuran. Untuk mengatasi masalah tersebut maka digunakan implementasi algoritma jaringan neural buatan berbasis Probabilistic Neural Network (JNB-PNN). JNB-PNN mempunyai 2 proses utama dalam tahap pembelajarannya, yaitu menggunakan data pelatihan untuk membangun topologi JNB-PNN dan mencari parameter pemulus/smoothing parameter(@). Pengujian yang dilakukan dengan mengklasifikasikan aroma campuran secara bertahap yaitu 6,8,12 dan 18 aroma, Tujuan dari tahapan pengklasifikasian tersebut adalah untuk melihat kemampuan dari sistem dalam mengenal pola dari aroma campuran dengan membandingkan penggunaan JNB-BP dan JNB-PNN. Hasil kedua eksperimen menunjukkan bahwa semakin banyak pola aroma yang diklasifikasikan, tingkat pengenalan sistem semakin menurun. Kemampuan dari sistem penciuman elektronik yang menggunakan JNB-BP dalam mengenal 18 pola aroma menghasilkan tingkat pengenalan di bawah 70%. Sedangkan untuk JNB-PNN, walaupun terjadi penurunan terhadap pengenalan 18 pola yang diujikan. hasil pengenalanya masih diatas 90%.