Tugas akhir ini mengimplementasikan Algoritma Genetika (GA) pada Jaringan Saraf Tiruan yang menggunakan arsitektur Himesphere Structure of Hidden Layer (JST-HSHL). Proses optimasi dilakukan pada jaringan pasca pelatihan dan jaringan pra pelatihan. Ada 2 fungsi fitness yang dibandingkan, yaitu fungsi fitness yang berorientasi pada optimasi struktur jaringan dan fungsi fitness yang berorientasi pada optimasi tingkat pengenalan sistem. Perbedaan dari kedua fungsi fitness terletak pada cara penambahan variabel persen pengenalan jaringan terhadap data masukan untuk fungsi fitness yang berorientasi pada optimasi tingkat pengenalan sistem. JST-HSHL digunakan untuk pengenalan objek 3 dimensi melalui citra masukan 2 dimensi dengan sudut pandang vertikal dan horisontal. Metode pelatihan yang digunakan adalah metode pelatihan supervised. Citra masukan telah direduksi dengan menggunakan transformasi Karhonen Loeve atau Principal Component Analysis. Hasil reduksi dikelompokan menjadi 3 percobaan, yaitu Eigen Partial 1, Eigen Partial 2, dan Eigen Semua. Dari hasil percobaan, untuk tipe jaringan multipled dan arsitektur JST-HSHL Jamak, kedua fungsi fitness mampu meningkatkan pengenalan objek 70.41% (Partial 1) - 98.83%(Partial 2) dari 70.38% - 98.79% untuk GA pasca pelatihan dan untuk GA pra pelatihan fungsi fitness dengan data uji mampu meningkatkan pengenalan menjadi 71.71%(Partial 1) -98.83% (Partial 2) dari 71.68%-98.77%, sedangkan fungsi fitness terjadi penurunan pengenalan menjadi 68.21% (partial 1) -97.59% (Partial 2) dari 71.70% -98.79%