Tesis ini membahas tentang optimasi jumlah Viscoelastic Damper (VED) pada struktur beton bertulang bertingkat rendah (10 lantai) dan tinggi (50 lantai) menggunakan metode Gaussian Process Regression (GPR). Penelitian ini bertujuan mengembangkan metode machine learning untuk mengoptimalkan jumlah VED dalam struktur, yang saat ini penerapannya masih terbatas di Indonesia karena proses desain dan optimasi yang rumit. Penelitian ini dimulai dengan desain struktur tanpa VED, dilanjutkan dengan pengumpulan data respons struktur (story drift, displacement VED, dan biaya) dari berbagai kombinasi jumlah dan lokasi VED menggunakan Linear Time History Analysis (LTHA). Selanjutnya, dilakukan optimasi menggunakan GPR untuk mendapatkan kombinasi jumlah VED yang menghasilkan biaya minimum dengan tetap memenuhi batasan story drift dan displacement VED. Hasil optimasi kemudian diverifikasi menggunakan Nonlinear Time History Analysis (NLTHA) untuk mengetahui kinerja struktur pada kondisi inelastik. Hasil penelitian menunjukkan bahwa prosedur optimasi GPR efektif memberikan kombinasi jumlah VED optimum yang dapat mengurangi biaya struktur dibandingkan optimasi manual, sambil tetap memenuhi persyaratan respons struktur.