<![CDATA[Analitik olahraga berkembang dari analisis statistik deskriptif menuju sistem berbasis kecerdasan buatan yang mendukung pemantauan performa, prediksi hasil, dan pengambilan keputusan strategis. Namun, akses terhadap data olahraga yang tersimpan dalam basis data relasional masih menjadi tantangan bagi pengguna non-teknis karena membutuhkan pemahaman struktur basis data dan query SQL. Penelitian ini menyajikan Systematic Literature Review (SLR) mengenai Large Language Models (LLMs) untuk Natural Language Database Access dalam Sports Analytics Systems. Kajian ini menggunakan protokol PRISMA dengan basis data Scopus sebagai sumber utama. Dari 239 artikel awal, diperoleh 65 artikel Scopus yang layak dianalisis dan 1 artikel tambahan sebagai pendukung. Hasil kajian menunjukkan adanya peningkatan tren publikasi pada periode 2020-2026, dengan jumlah tertinggi pada tahun 2025. Area studi paling dominan adalah Sports Analytics, diikuti Natural Language Database Access, Healthcare/Wearable Analytics, Business Analytics, dan Urban/Environmental Analytics. Literatur yang dikaji menunjukkan relevansi Text-to-SQL, Speech-to-SQL, LLM, wearable sensor, dan query generation dalam mendukung akses serta analisis data olahraga. Meskipun demikian, masih terdapat tantangan berupa generalisasi model, kompleksitas skema basis data, interpretabilitas, integrasi data multimodal, privasi data atlet, dan bias algoritma. Arah pengembangan selanjutnya diarahkan pada arsitektur berbasis LLM-agent yang mengintegrasikan intent routing, safety guards, query builder, dan AI response generation untuk mendukung akses bahasa alami terhadap data sports analytics. Penelitian ini memiliki keterbatasan pada aspek teknis karena proses pencarian literatur hanya dilakukan melalui satu basis data utama, yaitu Scopus. Akibatnya, terdapat kemungkinan bahwa sejumlah publikasi yang relevan dan terindeks pada basis data lain belum terakomodasi dalam analisis.]]>
