Radial Basis Function (RBF) memiliki kemampuan yang bagus untuk melakukan klasifikasi, tapi juga mempunyai kecepatan dan tingkat keakuratan yang tinggi. Namun, tingkat akurasi dan kecepatan yang optimal akan rendah jika input berdimensi tinggi. Genetic Algorithm(GA) adalah sebuah pencarian acak dan teknik optimisasidibimbing oleh prinsip evolusi dangenetika alami, dan memiliki jumlah kemiripan yang tinggi. Jadi solusi optimal untuk menunjukkan tujuan atau optimasi fungsi fitness.GA berbasis pengelompokan bisa memberikan cluster yang optimal saat penentuan nilai center pada proses RBF sehingga dapat meminimalisasi dimensi data dan membuat jaringan RBF lebih cepat dan efisien. Tujuan penelitian ini adalah untuk menentukan proses GA pada jaringan syaraf tiruan RBF. Pada penelitian ini menggunakan data iris yang diperoleh dari webside UCI Machine Learning yang memiliki 4 variabel dari data dengan 150 data pengamatan yang memiliki 3 klasifikasi. Saat proses RBF data dibagi menjadi training dan testing selanjutnya dilakukan proses cluster dengan GA pada proses training. Selanjutnya, martiks output perhitungan yang di klasifikasi dari metode RBF-GA untuk melihat tingkat akurasi yang optimal.