Model Geographically Weighted Poisson Regression (GWPR) adalah model regresi Poisson yang diaplikasikan pada data spasial. Penaksiran parameter model GWPR dilakukan pada setiap lokasi pengamatan menggunakan pembobot spasial. Tujuan penelitian ini adalah menentukan model GWPR data jumlah kasus kusta di setiap provinsi di Indonesia tahun 2020 dan untuk mengetahui faktor-faktor yang memengaruhinya. Data penelitian adalah data sekunder diperoleh dari Kementerian Kesehatan Indonesia dan Badan Pusat Statistik. Pembobot spasial diperoleh menggunakan fungsi kernel adaptive bisquare dan bandwidth optimum ditentukan menggunakan kriteria Generalized Cross-Validation (GCV). Metode penaksiran parameter model GWPR adalah Maximum Likelihood Estimation (MLE). Hasil penelitian menunjukkan bahwa penaksir eksak Maximum Likelihood (ML) tidak dapat diperoleh secara analitik dan hampiran penaksir ML didapat menggunakan metode iteratif Newton-Raphson. Berdasarkan hasil pengujian parameter model GWPR, disimpulkan bahwa faktor-faktor yang berpengaruh secara lokal adalah persentase rumah tangga yang memiliki akses sanitasi layak, kepadatan penduduk, persentase penduduk yang mengalami keluhan kesehatan dan berobat jalan, jumlah tenaga kesehatan, persentase penduduk miskin, persentase kabupaten/kota yang melaksanakan GERMAS dan persentase rumah layak huni. Faktor-faktor yang berpengaruh secara global adalah persentase rumah tangga yang memiliki akses sanitasi layak, kepadatan penduduk, persentase penduduk yang mengalami keluhan kesehatan dan berobat jalan, jumlah tenaga kesehatan, persentase penduduk miskin, persentase kabupaten/kota yang melaksanakan GERMAS. Berdasarkan pendeteksian parameter dispersi diperoleh nilai parameter dispersi model GWPR sebesar 12,0322 lebih kecil dari parameter dispersi model global (yaitu sebesar 694,3697). Pemodelan GWPR pada kasus kusta penelitian ini belum memenuhi asumsi equidispersi.