Penggunaan Jaringan Neural Buatan (JNB) saat ini telah dikembangkan luas. Salah satu bidang yang menggunakan JNB sebagai alat untuk memecahkan permasalahan adalah pengklasifikasian pola, dimana jenis arsitektur yang digunakan adalah probabilistic Neural Network (PNN). Hal yang perlu diperhatikan dalam penggunaan PNN sebagai sistem klasifikasi adalah penentuan struktur jaringan, yaitu penentuan ukuran jaringan, lokasi neuron-neuron pada lapiran pola, dan nilai parameter smoothing. Stuktur jaringan PPN akan menentukan kinerja dalam proses klasifikasi baik tingkat pengenalan maupun biaya komputasi yang diperlukan. Karena itu perlu adanya optimasi terhadap struktur PNN. Dan salah satu algoritma yang bisa digunakan adalah algoritma Supervised PPN Structure Determination. Algoritma supervised PNN structure Determination terdiri dari 2 bagian. Pertama, penentuan nilai parameter smoothing menggunakan algoritma genetika. Kedua, proses seleksi neuron menggunakan algoritma orthogonal. Dimana struktur yang dicari harus sesuai dengan toleransi tingkat kesalahan yang telah ditentukan. Dalam tugas akhir ini, akan dilakukan perbandingan kinerja antara PNN yang belum teroptimasi dan PNN yang telah teroptimasi menggunakan algoritma Supervised PNN Strukture Determination. Dalam percobaan, digunakan data aroma 2 campuran dari Sistem Penciuman Elektronik yang menggunakan 16 sensor. Kinerja yang dibandingkan meliputi tingkat pengenalan baik data pelatihan maupun data pengujian, dan biaya komputasi yang diperlukan untuk melakukan klasifikasi