Pada awal pengembangannya, pelatihan JNB-Fuzzy dengan Algoritma Genetika digunakan untuk melakukan optimasi terhadap struktur jaringan yang kompleks. Eksperiment lanjutan membuktikan bahwa hasil pengenalan dengan sistem ini memperlihatkan hasil yang tidak memuaskan. Fungsi evaluasi Algoritma Genetika yang digunakan pada sistem awal terlalu berorientasi pada pemotongan bobot. Akibat yang muncul dari aspek ini adalah tingkat pengenalan yang tidak memadai apabila digunakan ujicoba menggunakan data aroma 3 campuran 6 kategori keluaran. Perbaikan kemudian dilakukan pada fungsi evaluasi Algoritma Genetika ini dengan menambahkan satu variable, tambahan yaitu prosentase hasil pengenalan. Dengan komponen variabel ini pencarian alternatif solusi dengan Algoritma Genetika tidak hanya memperhitungkan efektifitas pengenalan terhadap data masukan. Pengembangan dengan tambahan fokus efektifitas pengenalan, telah memperlihatkan hasil yang memuaskan dengan rata-rata pengenalan 94.44; . Hanya saja, ujicoba tersebut hanya mempergunakan satu jenis data yaitu data aroma dengan 3 campuran dengan 6 kelas kategori pengenalan. Pada tugas akhir ini, dilakukan ujicoba terhadap JNB-Fuzzy yang dioptimasi pada struktur jaringan dan prosentase pengenalan menggunakan data yang lebih kompleks, yaitu data aroma 2 dan 3 campuran dengan kategori pengenalan sebesar 6,8,9 dan 12. Hasil uji coba ini memperlihatkan bahwa terjadi penurunan derajat pengenalan jaringan setiap kali jumlaah kategori keluaran diperbesar. Penurunan yang terjadi sangat besar berkisar antara 2-23; per kategori.