Jaringan neural buatan propagasi balik (JNB-PB) merupakan arsitektur yang banyak digunakan alam berbagai aplikasi JBN, walaupun JNB-PB ini memempunyai kinerja yang kurang baik dilihat dari segi waktu komputasi. Seiring dengan perkembangan jaringan neural buatan (JNB) dan logika fuzzy yang semakin pesat, banyak orang yang berusaha untuk menggabungkan kedua hal diatas, yaitu meciptakan sebuah JNB berbasis logika fuzzy (fuzzy neural network). Tujuannya adalah menghasilkan sebuah arsitektur yang mempunyai tingkat ketelitian yang tinggi, dengan waktu komputasi yang cepat. Tugas akhir ini megimplementasikan jaringan neural buatan-propagasi balik (JNB-PB berbasis fuzzy. Sebagai uji coba digunakan data dari hasil penelitian tentang sistem penciuman elektronik. Hasil yang didapatkan, ternyata terbukti bahwa JNB-PB berbasis fuzzy mempunyai kinerja yang lebihdari JNB-PB tandar. Kinerja yang lebih baik ini dilihat dari jumlah iterasi yang diperlukan untuk pembelajaran serta hasil pengenalan dari sebuah JNB-PB yang telah dilatih. Perbandingan kedua JNB-PB dilakukan dengan parameter-parameter yang sama yaitu : jumlah lapisan tersembunyi, jumlah neuron pada setiap lapisan tersembunyi, laju pembelajaran serta momentum.