Stunting merupakan salah satu permasalahan kesehatan masyarakat yang menonjol di Indonesia, khususnya di Provinsi Nusa Tenggara Timur (NTT) dengan prevalensi mencapai 37,9% pada tahun 2023. Pemodelan jumlah kasus stunting dapat digunakan untuk menganalisis faktor-faktor yang mempengaruhinya. Dalam penelitian ini, digunakan metode Geographically Weighted Negative Binomial Regression (GWNBR) untuk mengatasi heterogenitas spasial dan overdispersi pada data count. Data dari 21 kabupaten dan 1 kota di NTT dianalisis dengan menggunakan fungsi pembobot adaptive kernel yaitu adaptive bisquare, adaptive Gaussian, dan adaptive tricube. Model terbaik diperoleh dengan menggunakan pembobot adaptive Gaussian kernel dengan nilai Akaike Information Criterion (AIC) sebesar 266,34. Secara keseluruhan faktor-faktor yang berpengaruh signifikan terhadap jumlah kasus stunting adalah persentase perempuan yang pernah melahirkan dengan berat badan anak lahir hidup < 2>stunting, sehingga dapat dijadikan dasar untuk kebijakan kesehatan yang lebih terarah dengan dengan fokus pada peningkatan gizi ibu hamil dan menyusui, perbaikan cakupan imunisasi, serta peningkatan akses sanitasi dan infrastruktur, yang diharapkan dapat menurunkan prevalensi stunting secara signifikan di NTT.