Jaringan Saraf tiruan (JST) atau network adalah suatu metode komputasi yang meniru jaringan saraf biologis. Banyak penelitian telah menerapkan sistem jaringan saraf tiruan dalam diagnosis keperluan medis, analisis citra, analisis sinyal, interpretasi dan berbagai masalah klasifikasi, salah satunya dengan menggunakan jaringan Radial Basis Function. Dalam keperluan data medis sendiri tentunya terdapat fitur-fitur yang harus dievaluasi agar menghasilkan konsistensi data yang optimal dalam pengenalan sistem dan semua fitur dalam dunia medis dapat dievaluasi dengan menggunakan fungsi jaringan RBF. Salah satu metode yang dapat digunakan untuk mengatasi permasalahan tersebut adalah dengan cara penggunaan OLS. Algoritma OLS secara mendasar telah dikembangkan untuk melakukan kinerja multi-output untuk Radial Basis Function, hal ini membuat RBF memiliki pendekatan yang sistematis dalam mencari pusat data training dari Radial Basis Function itu sendiri dan juga untuk mengurangi nilai kovarian error. Dalam penelitian ini uji proses algoritma nilai center menggunakan inisialiasi secara random pada data klasifikasi cardiotography. Pada proses training dengan menggunakan penentuan center random hasil pencocokan data training terhadap target klasifikasi menggunakan RBF dan OLS dari data training sebesar 80% dari data yaitu 1701 data yang diambil sehingga diperoleh nilai rata-rata akurasi sebesar 93% dan nilai rata-rata kesalahan klasifikasi sebesar 7%. Sedangkan pada proses testing dengan data testing sebesar 20% dari data yaitu 425 data sehingga diperoleh nilai rata-rata akurasi sebesar 80 % dan nilai rata-rata kesalahan klasifikasi sebesar 20%. Kata kunci: Jaringan Syaraf Tiruan (JST), Radial Basis Function (RBF) dan Orthogonal Least Square (OLS).