Tuberkulosis merupakan salah satu penyakit menular yang masih menjadi permasalahan kesehatan di Provinsi Jawa Barat. Tingginya jumlah kasus tuberkulosis diduga dipengaruhi oleh berbagai faktor sosial dan kesehatan yang berbeda pada setiap wilayah sehingga diperlukan pendekatan spasial dalam pemodelannya. Penelitian ini bertujuan untuk memodelkan jumlah kasus tuberkulosis di kabupaten/kota Provinsi Jawa Barat tahun 2024 menggunakan metode Geographically Weighted Negative Binomial Regression (GWNBR). Variabel independen yang digunakan meliputi kepadatan penduduk, persentase penduduk miskin, persentase penduduk usia 35-44 tahun yang merokok, jumlah kasus HIV positif, dan persentase rumah tangga dengan akses sanitasi layak. Pemodelan GWNBR ini menggunakan pembobot adaptive Gaussian kernel, adaptive Bisquare kernel, fixed Gaussian kernel, dan fixed Bisquare kernel. Pemilihan model terbaik dilakukan berdasarkan nilai Akaike Information Criterion (AIC). Hasil penelitian menunjukkan bahwa data mengalami overdispersi dan terdapat heterogenitas spasial antarwilayah sehingga model GWNBR lebih sesuai digunakan dibandingkan model global. Model terbaik diperoleh pada GWNBR dengan pembobot fixed Gaussian kernel dengan AIC sebesar 496,3858. Hasil pemodelan  menunjukkan terbentuk tujuh kombinasi variabel signifikan, dengan variabel jumlah kasus HIV positif sebagai variabel yang paling dominan memengaruhi jumlah kasus tuberkulosis di sebagian besar wilayah kabupaten/kota di Provinsi Jawa Barat.