Gizi buruk termasuk dalam salah satu masalah kompleks dimana hampir terjadi di seluruh negara, termasuk Indonesia. Banyak faktor yang mempengaruhi jumlah balita gizi buruk, seperti faktor lingkungan, sosial, dan sebagainya. Pemodelan jumlah kasus gizi buruk dapat digunakan untuk melihat faktor apa saja yang berpengaruh signifikan terhadapnya. Jumlah kasus balita gizi buruk mengikuti distribusi Poisson, sehingga regresi Poisson dapat digunakan untuk memodelkan kasus balita gizi buruk. Ditemukan kasus overdispersi pada pemodelan menggunakan regresi Poisson, sehingga untuk mengatasi masalah overdispersi tersebut digunakan regresi binomial negatif. Dengan mempertimbangkan aspek spasial, maka penelitian menggunakan metode Geographically Weighted Negative Binomial Regression (GWNBR). Penelitian menggunakan tiga pembobot adaptive, yaitu adaptive bisquare, adaptive gaussian, dan adaptive tricube diperoleh pembobot adaptive bisquare sebagai pembobot terbaik karena menghasilkan nilai AIC terkecil. Pemodelan dengan pembobot adaptive bisquare diperoleh 4 kelompok yang dikelompokkan berdasarkan variabel yang signifikan. Faktor yang berpengaruh secara signifikan global adalah  persentase bayi mendapat vitamin A, persentase bayi yang ditimbang, dan persentase pemberian ASI eksklusif.

Malnutrition is one of the most complex problems faced by almost all countries, including Indonesia. Many factors affect the number of malnourished children under five, such as environmental, social, etc. Modeling the number of malnutrition cases can be used to see the significant factors. The number of under-five malnourished followed the Poisson distribution, so Poisson regression use in these cases. In modeling using Poisson regression, find a case of over-dispersion, so this analysis used is negative binomial regression to solve the overdispersion problem. By regarding the spatial aspect, the method used to Geographically Weighted Negative Binomial Regression (GWNBR). The research used three adaptive weights, namely adaptive bi-square, adaptive gaussian, and adaptive tricube. The weighting was determined by adaptive bi-square as the best weight because it produced the smallest AIC value. Modeling with adaptive bi-square weight obtained four groups grouped based on significant variables. Factors that had global significance were the percentage of infants receiving vitamin A, the percentage of infants who weighed, and the percentage of exclusive breastfeeding.