Penelitian ini membahas pemodelan Indeks Pembangunan Manusia (IPM) di Provinsi Jawa Tengah dengan multinomial logistic regression (MLR) berbasis Bayesian spasial menggunakan prior intrinsic conditional autoregressive (ICAR). IPM merupakan indikator penting yang menggambarkan tingkat kesejahteraan masyarakat melalui tiga dimensi utama, yaitu kesehatan, pendidikan, dan standar hidup yang layak. Berdasarkan data Badan Pusat Statistik (BPS), terdapat ketimpangan IPM antar kabupaten/kota di Provinsi Jawa Tengah yang menunjukkan adanya variasi pembangunan manusia antarwilayah. Kondisi tersebut menunjukkan adanya keterkaitan spasial, yaitu pengaruh antarwilayah yang berdekatan, sehingga diperlukan pendekatan pemodelan yang mampu menangkap efek spasial dalam analisis IPM. Penelitian ini bertujuan untuk menentukan model MLR dengan pendekatan Bayesian spasial ICAR pada data IPM di Provinsi Jawa Tengah serta mengidentifikasi pengaruh variabel prediktor dan efek spasial antarwilayah. Data yang digunakan merupakan data sekunder tahun 2024 yang terdiri dari 35 kabupaten/kota dengan satu variabel respon berupa kategori IPM dan enam variabel prediktor setelah reduksi multikolinearitas. Tahapan penelitian meliputi deskripsi data, uji multikolinearitas, pembentukan matriks ketetanggaan dan matriks Laplacian, uji autokorelasi spasial, penerapan model MLR menggunakan pendekatan Bayesian spasial ICAR dengan metode Markov chain Monte Carlo (MCMC), serta evaluasi model menggunakan pendekatan Pareto smoothed importance sampling leave-one-out (PSIS-LOO). Hasil penelitian menunjukkan bahwa sebagian besar variabel prediktor belum memiliki pengaruh yang kuat terhadap kategori IPM karena interval kredibel 95% masih mencakup nilai negatif dan positif, tetapi nilai koefisien memberikan gambaran hubungan antara variabel prediktor dengan kategori IPM. Selain itu, efek spasial menunjukkan adanya variasi antarwilayah yang mencerminkan keterkaitan geografis dalam kategori IPM di Provinsi Jawa Tengah. Hasil diagnostik MCMC menunjukkan bahwa model telah memenuhi kriteria konvergensi. Sementara itu, evaluasi menggunakan pendekatan PSIS-LOO menunjukkan bahwa model memiliki kinerja prediktif yang stabil dan dapat diandalkan, yang ditunjukkan oleh nilai Pareto k ≤ 0,7 pada seluruh observasi. Secara keseluruhan, hasil penelitian menunjukkan bahwa variasi IPM tidak hanya dipengaruhi oleh variabel prediktor yang diamati, tetapi juga oleh struktur ketergantungan spasial antarwilayah.