Kurangnya informasi yang mudah diakses mengenai obat herbal menimbulkan tantangan bagi pengguna yang mencari jawaban tepercaya di domain ini. Penelitian ini mengusulkan sistem tanya jawab berbasis ontologi untuk produk obat herbal yang mengintegrasikan klasifikasi, pengenalan entitas, dan model bahasa besar (LLM) untuk memberikan respons yang akurat dan alami. Sistem ini mengklasifikasikan pertanyaan berbahasa Indonesia ke dalam 12 kategori menggunakan Support Vector Machine (SVM) dan mengekstraksi 6 tipe entitas kunci menggunakan model Named Entity Recognition (NER). Untuk meningkatkan kinerja klasifikasi, penelitian ini membandingkan vektorisasi TF-IDF, FastText, dan IndoBERT, serta penggunaan pra-pemrosesan teks. Hasil klasifikasi dan kata kunci digunakan untuk membangun kueri SPARQL guna mencari informasi dari ontologi. Informasi ini kemudian menjadi konteks bagi Large Language Model (LLM) untuk menghasilkan jawaban yang lebih alami dan lengkap. Integrasi SVM, NER, ontologi, dan LLM ini merepresentasikan pendekatan baru dalam domain obat herbal. Hasil pengujian menunjukkan bahwa akurasi SVM terbaik dicapai menggunakan model IndoBERT tanpa pra-pemrosesan teks, mencapai 96 persen. Hasil uji kinerja model NER bervariasi untuk setiap entitas. Selanjutnya, sistem tanya jawab ini diimplementasikan melalui bot Telegram untuk meningkatkan aksesibilitas informasi produk obat herbal bagi pengguna.