Geographically Weighted Spline Nonparametric Regression (GWSNR) merupakan kombinasi dari regresi nonparametrik spline truncated dengan Geographically Weighted Regression (GWR) sebagai pengembangan dari regresi nonparametrik pada data spasial ketika kurva regresinya tidak diketahui. GWSNR menggabungkan sifat spasial pada GWR dengan regresi nonparametrik spline truncated yang memungkinkan model untuk menangkap variasi lokal antara variabel prediktor terhadap variabel respon di berbagai lokasi. Pada regresi nonparametrik menggunakan pendekatan spline truncated dan pada GWSNR menggunakan fungsi pembobot fixed kernel bisquare dan fixed kernel Gaussian dengan penentuan titik knot optimal dan fungsi pembobot geografis menggunakan Generalized Cross Validation (GCV). Studi kasus pada penelitian ini adalah produktivitas padi berdasarkan 34 Provinsi di Indonesia Tahun 2022. Hasil penelitian menunjukkan bahwa model terbaik berdasarkan nilai GCV minimum adalah model dengan tiga titik knot dan fungsi pembobot geografis yaitu fixed kernel Gaussian. Berdasarkan pemodelan GWSNR, variabel prediktor yang berpengaruh untuk setiap lokasi pengamatan berbeda-beda, sehingga dapat dikelompokkan menjadi 7 kelompok. Model GWSNR lebih baik dalam memodelkan produktivitas padi berdasarkan 34 Provinsi di Indonesia Tahun 2022 dengan menghasilkan koefisien determinasi (R2) sebesar 94,76% dan Root Mean Square Error (RMSE) sebesar 1,52 dibandingkan regresi nonparametrik spline truncated yang hanya menghasilkan R2 sebesar 83,39% dan RMSE sebesar 3,41.