Model Geographically Weighted Panel Regression (GWPR) merupakan model lokal dari model regresi linier yang diaplikasikan pada data panel spasial. Penelitian ini menerapkan Fixed Effect Model (FEM) within estimator sebagai model global. Penelitian ini bertujuan untuk mendapatkan model GWPR dan mendapatkan faktor-faktor yang memengaruhi persentase penduduk miskin di 56 kabupaten/kota di daerah hutan tropis lembab Kalimantan tahun 2019-2022. Penaksiran parameter model GWPR menggunakan metode Weighted Least Square (WLS), yaitu penaksiran parameter menggunakan metode Least Square dengan memberi pembobot spasial. Fungsi pembobot spasial pada penaksiran model GWPR dalam penelitian ini adalah fungsi pembobot terbaik yang dipilih di antara pembobot adaptive bisquare, adaptive tricube, dan adaptive gaussian. Penentuan bandwidth optimum menggunakan kriteria Cross Validation (CV). Hasil penelitian menunjukkan bahwa fungsi pembobot terbaik adalah adaptive gaussian yang memberikan model GWPR terbaik dengan CV minimum sebesar 8,8740. Koefisien determinasi model GWPR terbaik sebesar 66,91% dan nilai RMSE sebesar 0,1569. Berdasarkan pengujian parameter model GWPR, disimpulkan faktor-faktor yang memengaruhi persentase penduduk miskin bersifat lokal dan global. Faktor yang memengaruhi persentase penduduk miskin yang bersifat lokal, yaitu PDRB, tingkat pengangguran terbuka, rata lama sekolah, jumlah angkatan kerja, dan umur harapan hidup, sedangkan faktor yang memengaruhi persentase penduduk miskin bersifat global, yaitu jumlah angkatan kerja.