<![CDATA[Serangan SQL Injection (SQLi) tetap menjadi ancaman yang terus menerus dalam keamanan aplikasi web. Serangan ini sering kali mampu mengalahkan mekanisme pertahanan tradisional yang berbasis aturan. Penelitian ini bertujuan mengeksplorasi peran transformasi Artificial Intelligence (AI) sebagai solusi yang dinamis untuk meningkatkan presisi dan efisiensi deteksi terhadap pola serangan yang semakin kompleks. Mengikuti pedoman PRISMA 2020, tinjauan literatur sistematis (SLR) ini melakukan sintesis kritis terhadap 17 studi utama yang diterbitkan antara tahun 2016 hingga 2025. Proses seleksi dilakukan melalui berbagai basis data akademik global dengan menerapkan kriteria inklusi dan eksklusi yang ketat untuk memastikan validitas data metodologi dan teknis. Temuan utama menunjukkan bahwa integrasi Deep Learning (DL), khususnya arsitektur berbasis Transformer seperti synBERT dan model hibrida CNN-LSTM, mendominasi tren teknologi. Pencapaian akurasi deteksi melebihi 99%, dengan rata-rata F1-score mencapai 98,6%. Analisis tema mengungkap perubahan metodologis dari analisis leksikal sederhana menuju pemahaman semantik kueri yang mendalam. Pendekatan ini terbukti efektif dalam mengidentifikasi variasi serangan zero-day. Namun, tinjauan ini mengidentifikasi tantangan utama berupa homogenitas dataset laboratorium dan beban komputasi yang menghambat kemampuan deteksi dalam lingkungan waktu nyata. Studi ini memberikan kontribusi penting dalam memetakan lanskap AI untuk keamanan siber dan menekankan perlunya pergeseran dari sekadar mengejar skor akurasi menuju ketahanan model pada dataset industri yang beragam. Implikasi praktisnya merekomendasikan pengembangan kerangka kerja keamanan hibrida yang menggabungkan kecerdasan AI dengan ketahanan terhadap serangan musuh untuk menjaga integritas data pada aplikasi web modern.]]>
