Sistem penciuman elektronik telah dikembangkan menggunakan quartz resonator array dengan 4 sensor berfrekuensi dasar 10 MHz, dan jaringan neural buatan sebagai pengenal polanya. akan tetapi sistem tersebut hanya dapat mengenali aroma yang sangat terbatas, untuk aroma campuran (aroma A 50% + aroma B 50%) sistem tidak dapat mengenali aroma dengan baik. Dalam makalah ini akan dijelaskan pengembangan sistem penciuman elektronik menggunakan 16 sensor berfrekuensi dasar 20 MHz serta beberapa algoritma dari jaringan neural buatan yang digunakan sebagai pengklasifikasi. Algoritma jaringan neural buatan tersebut antara lain adalah Back Propagation (JNB-BP), Probabilistic Neural (JNB-PNN) dan Fuzzy-Learning Vector Quanttization (JNB-FLVQ). Dengan menggunakan algoritma diatas akan dilihat karakteristik tingkat pengenalannya terhadap aroma camporan dan aroma komposisi yang telah diajarkan sebelumnya dan pengenalan terhadap aroma campuran dan aroma komposisi yang tidak diajarkan sbelumnya serta waktu komputasinya dari masing-masing algoritma. Hasil eksperimen menunjukkan jaringan JNB-FLVQ mempunyai karakteristik yang lebih baik dari JNBBP dan JNB-PNN.