Bagian tinjauan pustaka ini membahas penelitian terdahulu terkait struktur dengan peredam gempa, terutama viscoelastic damper (VED) dan friction damper, serta optimasi konfigurasi struktur dengan peredam menggunakan Gaussian Process Regression (GPR). Struktur dengan peredam efektif dalam mengurangi respons struktur terhadap gempa, seperti akselerasi dan perpindahan lantai, dibandingkan struktur konvensional. Viscoelastic damper (VED) bekerja dengan mengubah energi getaran menjadi panas melalui deformasi geser material viskoelastik. Desain struktur dengan sistem peredam diatur dalam standar seperti ASCE 7-16 dan SNI 1726:2019, dengan prosedur analisis meliputi nonlinear time history analysis (NLTHA) dan response spectrum analysis (RSA). Optimasi konfigurasi peredam, seringkali dengan bantuan machine learning seperti algoritma gradient-based dan metaheuristic search methods, bertujuan untuk mencapai efektivitas maksimal dalam meningkatkan kinerja struktural, efisiensi material, dan pengurangan biaya. Metode Gaussian Process Regression (GPR) digunakan untuk regresi dan memodelkan hubungan antara variabel input dan output dengan memprediksi fungsi dan memberikan nilai estimasi ketidakpastian dari suatu prediksi yang dihasilkan. Gap penelitian yang teridentifikasi adalah belum adanya penelitian mengenai optimasi struktur dengan perangkat peredam viscoelastic damper (VED) berbasis machine learning metode Gaussian Process Regression (GPR) untuk struktur bertingkat rendah dan tinggi.