ABSTRAK. Model regresi linear klasik atau Ordinary Linear Regression (OLR) merupakan bentuk regresi yang umum digunakan untuk menyatakan bentuk hubungan antara variabel respon dengan varabel prediktornya. Regresi linear klasik mengasumsikan bahwa nilai taksiran parameter regresi akan bernilai sama untuk setiap lokasi pen gamatan atau berlaku secara global. Model Geographically Weighted Regression (GWR) adalah bentuk lokal dari regresi linear klasik yang memperhatikan aspek spasial atau lokasi geografis yang berupa koordinat titik  Dalam GWR, nilai taksiran parameter regresi yang diperoleh untuk setiap lokasi pengamatan akan berbeda-beda. Penelitian ini bertujuan untuk mengatahui faktor-faktor yang mempengaruhi kasus gizi buruk anak balita di Jawa Barat dengan menggunakan GWR. Hasil pengujian terhadap model regresi linear berganda menunjukkan bahwa asumsi homogenitas varians tidak terpenuhi atau terjadi heterogenitas spasial, dan model regresi linear berganda yang diperoleh tidak berarti secara signifikan. Sehingga, analisis dilanjutkan dengan menggunakan GWR dengan pembobot fixed Kernel Gaussian dan GWR dengan pembobot adaptive Kernel Gaussian. Berdasarkan nilai  dan jumlah kuadrat residual  model GWR dengan pembobot adaptive Kernel Gaussian lebih cocok digunakan untuk memodelkan kasus gizi buruk anak balita di Jawa Barat. Model GWR dengan pembobot adaptive Kernel Gaussian, menghasilkan  paling besar dibandingkan model regresi linear berganda dan model GWR dengan pembobot fixed Kernel Gaussian, yaitu  atau , dan  yang paling kecil, yaitu . Faktor geografis juga berpengaruh terhadap kasus gizi buruk anak balita di Jawa Barat sehingga akan diperoleh model GWR berbeda-beda untuk setiap kota/kabupaten di Jawa Barat. Adapun faktor-faktor lokal yang mempengaruhi kasus gizi buruk anak balita di Jawa Barat adalah kasus bayi dengan berat badan lahir rendah (BBLR), anak balita mendapat vitamin A, sarana kesehatan, bayi yang diberi ASI eksklusif, penduduk miskin, dan usia perkawinan pertama ⤠15 tahun.Kata Kunci : Geographically Weighted Regression, Pembobot, Gizi BurukABSTRACT. Ordinary Linear Regression (OLR) model is a form of regression that used to indicate the relationship between the response variable with the predictor variable. Classical linear regression assumes that the value of the regression parameter estimates will have the same value for each observation or apply globally. Geographically Weighted Regression (GWR) model is the local form of the classical linear regression model that takes into account aspects of the spatial or geographic coordinates of a point  In GWR, the estimated value of the regression parameters will vary for each location. This study aims to know the factors that affect malnutrition of toodler in West Java by using GWR. The test results of the multiple linear regression model showed that the assumption of varians homogeneity is not significant or there is spatial heterogeneity, and multiple linear regression models were not significant. Thus, the analysis continued using a GWR with weighted fixed Kenel Gaussian and GWR with adaptive weighted Kernel Gaussian. Based on the value of coefficient determination  and sum of squared residuals, GWR models with adaptive weighted Kernel Gaussian is suitable for modeling the malnutrition of toodler in West Java. GWR models with adaptive weighted kernel Gaussian has an  value that greater than the multiple linear regression model and GWR models with fixed weighting kernel Gaussian, 0.8994658 or 89.95%, and JK (S) is the smallest, 0.2555239. Geographical factors also affect the cases of malnutrition of toodler in West Java that would be obtained GWR models vary according to each city/district in West Java. The local factors affecting malnutrition of toodler in West Java is the case of infants with low birth weight (LBW), infants received vitamin A, health facilities, exclusively breast-fed babies, poverty, and the age of first marriage ⤠15 years.Key words: Geographically Weighted Regression, Weighting, Malnutrition