Nama : Khairul Hudha Nasution Program Studi : Magister Ilmu Komputer Judul : Analisis Tingkat Pemrosesan Makanan Berbasis Data Teks Komposisi Pada Makanan Kemasan Menggunakan Ensemble Large Language Models Dan Retrieval-Augmented Generation (RAG) Penerapan gaya hidup sehat telah menjadi prioritas global guna mencegah peningkatan penyakit tidak menular, di mana salah satu langkah kuncinya adalah menghindari konsumsi makanan ultra-processed foods. Identifikasi komposisi produk pada ultraprocessed foods menghadapi tantangan tersendiri akibat format data yang tidak terstruktur, variasi penulisan yang tinggi, serta kompleksitas terminologi kimia pada label kemasan. Penerapan Large Language Models (LLM) mampu memproses teks semacam ini, namun pengimplementasiannya memiliki tantangan tersendiri. Pengimplementasian yang bergantung pada satu model saja sering kali menghasilkan prediksi yang tidak konsisten akibat bias bawaan arsitektur dan risiko LLM dalam halusinasi. Kombinasi beberapa model LLM (Ensemble LLM) dan penggunaan Retrieval-Augmented Generation (RAG) dapat menjadi solusi untuk hal ini. Penelitian ini bertujuan untuk mengevaluasi efektivitas Ensemble LLM dan pendekatan RAG untuk identifikasi tingkat pemrosesan makanan dan komposisi produk pada ultra-processed foods. Eksperimen dilakukan dengan lima LLM (Gemma-3-4B, Llama-3.2-3B, Qwen3-4B, R1-Distill-1.5B, dan Phi-2) pada dataset GroceryDB. Hasil dari penelitian menunjukkan bahwa Ensemble LLM dapat meningkatkan F1-Score dari 68% menjadi 72% sedangkan penggunaan RAG tidak selalu meningkatkan performa F1-Score LLM namun pada penelitian ini RAG mampu meningkatkan model berkapasitas rendah (Phi-2) dari 10% menjadi 53%.