Model Geographically Weighted Negative Binomial Regression (GWNBR) adalah pengembangan model Negative Binomial Regression (NBR) yang diaplikasikan pada data spasial. Penaksiran parameter model GWNBR dilakukan pada setiap lokasi pengamatan menggunakan pembobot spasial. Tujuan penelitian ini adalah menentukan model GWNBR data jumlah kasus tuberkulosis paru di Indonesia tahun 2021 dan mengetahui faktor-faktor yang berpengaruh terhadap jumlah kasus tuberkulosis paru di Indonesia tahun 2021. Data penelitian adalah data sekunder diperoleh dari Kementerian Kesehatan Indonesia dan Badan Pusat Statistik Indonesia. Penaksiran parameter model GWNBR menggunakan metode Maximum Likelihood Estimation (MLE). Pembobot spasial dihitung menggunakan fungsi pembobot Adaptive bi-square dan penentuan bandwidth optimum menggunakan kriteria Cross Validation (CV). Hasil penelitian menunjukkan bahwa penaksir eksak Maximum Likelihood (ML) tidak dapat diperoleh secara analitik dan hampiran penaksir ML didapat menggunakan metode iterasi Newton-Raphson. Berdasarkan hasil pengujian parameter model GWNBR, disimpulkan bahwa faktor-faktor yang berpengaruh terhadap jumlah kasus tuberkulosis paru bersifat lokal dan berbeda-beda di 34 provinsi. Faktorfaktor yang berpengaruh lokal adalah kepadatan penduduk, persentase rumah layak huni, persentase penduduk merokok, persentase TFU yang memenuhi syarat standar, persentase kabupaten/kota yang melaksanakan GERMAS, jumlah rumah sakit, dan persentase rumah tangga yang memiliki akses sanitasi layak.