Agriculture sector has an important contribution to food security in Indonesia, but it also huge contribution to the number of poverty, especially in rural area. Studies using a global model might not be sufficient to pinpoint the factors having most impact on poverty due to spatial differences. Therefore, a Geographically Weighted Regression (GWR) was used to analyze the factors influencing the poverty among food crops famers. Jambi Province is selected because have high number of poverty in rural area and the lowest farmer exchange term in Indonesia. The GWR was better than the global model, based on high value of R2, lowers AIC and MSE and Leung test. Location in upland area and road system had more influence to the poverty in the western-southern. Rainfall was significantly influence in eastern. The effect of each factor, however, was not generic, since the parameter estimate might have a positive or negative value. Abstrak Sektor pertanian memiliki peran penting terhadap ketahanan pangan di Indonesia, tetapi juga memberi pengaruh pada angka kemiskinan khususnya di wilayah pedesaan. Penelitian dengan menggunakan model global kemungkinan tidak sesuai lagi untuk mengetahui faktor-faktor yang mempengaruhi kemiskinan berdasarkan karakteristik spasial. Oleh karena itu, penelitian ini menggunakan metode Geographically Weighted Regression (GWR) untuk menganalisis faktor yang mempengaruhi kemiskinan petani tanaman pangan. Propinsi Jambi digunakan sebagai lokasi penelitian karena wilayah ini memiliki kemiskinan di pedesaan yang tinggi dan Nilai Tukar Petani (NTP) yang paling rendah di Indonesia. GWR memberikan hasil yang lebih baik dibandingkan model global berdasarkan nilai R2 yang tinggi, nilai AIC dan MSE yang kecil, dan uji Leung. Wilayah lereng/gunung dan jaringan jalan lebih signifikan terhadap kemiskinan di wilayah barat-selatan Jambi. Curah hujan signifikan di wilayah timur. Pengaruh setiap faktor tidak sama di setiap lokasi, karena estimasi parameter dapat positif atau negatif.