<![CDATA[Our study examines how machine learning techniques are integrated into student peer review processes, focusing on the challenges that motivate their adoption and the methods used to address them. Using Kitchenham’s systematic literature review framework, 328 articles were screened, and 25 empirical studies on machine learning applications in student peer review were selected. The findings show that machine learning is mainly used to manage large volumes of reviews, support automated grading, and improve feedback quality. Common techniques include classification, prediction, ranking, and clustering, which help improve the fairness, efficiency, and objectivity of peer review. This study provides a rigorous synthesis of machine learning adoption in student peer review and highlights its potential to enhance assessment accuracy, support learning outcomes, and guide future research and broader implementation in educational contexts.  Penelitian ini mengkaji bagaimana teknik pembelajaran mesin diintegrasikan dalam proses student peer review, dengan berfokus pada tantangan yang mendorong penerapannya serta metode yang digunakan untuk mengatasinya. Dengan menggunakan kerangka Systematic Literature Review dari Kitchenham, sebanyak 328 artikel diseleksi menjadi 25 studi empiris yang membahas penerapan pembelajaran mesin dalam student peer review. Hasil penelitian menunjukkan bahwa pembelajaran mesin terutama digunakan untuk mengelola volume ulasan yang besar, mendukung penilaian otomatis, dan meningkatkan kualitas umpan balik. Teknik yang umum digunakan meliputi klasifikasi, prediksi, pemeringkatan, dan pengelompokan yang berkontribusi terhadap peningkatan akurasi, efisiensi, dan objektivitas dalam proses peer review. Penelitian ini menyajikan sintesis yang sistematis mengenai penerapan pembelajaran mesin dalam student peer review serta menyoroti potensinya dalam meningkatkan akurasi penilaian, mendukung capaian pembelajaran, dan menjadi dasar bagi penelitian serta implementasi yang lebih luas dalam konteks pendidikan.]]>
