Salah satu hal penting dari suatu metode pembayaran pada jaringan sarat tiruan adalah kapabilitas generalisasi. Yaitu kemampuan untuk memberikan hasil yang akurat terhadap data yang tidak diajarkan pada tahap pembelajaran. Salah satu metode pembelajaran increamental yang memberikan jaminan secara teori dalam menghasilkan kapabilitas generalisasi yang optiman adalah increamental projection learning. Pada tulisan ini akan dilakukan suatu evaluasu eksperimental terhadap jaringan saraf tiruan berbasis incremental projection learning ini yang dikembangkan pada ruang polinomial trigonometri dalam memecahkan masalah aproksimasi fungsi. Jaringan ini dikenal dengan nama incremental projection generalizing neural networks. Evaluasi dilakukan terutama pada masalah pemilahan model yang optimal dan jumlah neuron pada lapis tersembunyi ketika kapabilitas generaliasai optimal diperoleh. Selain itu juga akan dilakukan suatu studi komparasi kapabilitas generalisasi yang dihasilkan oleh jaringan lain yang sudah umum digunakan yaitu on-line backpropagation networks dan growing radial basis function networks.