Literasi matematika merupakan aspek penting dalam penilaian PISA yang mencerminkan kemampuan siswa menerapkan konsep matematika dalam kehidupan nyata. Penelitian ini bertujuan menerapkan metode Gaussian Mixture Model (GMM) untuk mengelompokkan negara peserta PISA 2022 berdasarkan indikator literasi matematika serta mengidentifikasi karakteristik tiap klaster. Analisis dilakukan menggunakan data PISA 2022 yang diperoleh dari OECD dengan empat indikator persentase yang merepresentasikan aspek literasi matematika siswa. Hasil analisis menunjukkan bahwa GMM menghasilkan tiga klaster optimal dengan model terbaik adalah EEI, yaitu model dengan bentuk elipsoid yang memiliki volume dan orientasi sama antar klaster yang dipilih berdasarkan nilai Bayesian Information Criterion (BIC). Berdasarkan hasil identifikasi klaster pertama mencakup negara-negara dengan nilai tinggi pada seluruh indikator literasi matematika, ditandai dengan kemampuan memahami representasi visual yang baik, kepercayaan diri tinggi, dan pemerataan kemampuan antar siswa yang relatif merata. Klaster kedua terdiri atas negara dengan tingkat pencapaian menengah antar indikator literasi matematika yang cenderung stabil, di mana siswa masih mampu mengaitkan konsep matematika dengan konteks nyata meskipun pemanfaatan alat bantu visual belum optimal. Sementara itu, klaster ketiga menunjukkan negara-negara dengan tingkat capaian yang relatif rendah dibandingkan dua klaster lainnya, di mana meskipun pemahaman siswa yang cukup baik terhadap informasi visual matematika, namun tingkat kepercayaan diri siswa dalam menginterpretasi solusi matematika dan menerapkannya pada konteks kehidupan nyata masih rendah. Temuan ini menunjukkan adanya variasi karakteristik dari masing-masing variabel antarnegara peserta PISA 2022 berdasarkan indikator literasi matematika.
Mathematical literacy is an essential aspect of the PISA assessment, reflecting students’ ability to apply mathematical concepts in real-life situations. This study aims to apply the Gaussian Mixture Model (GMM) method to cluster PISA 2022 participating countries
based on mathematical literacy indicators and to identify the characteristics of each cluster. The analysis was conducted using PISA 2022 data obtained from the OECD, consisting of four percentage-based indicators representing various aspects of students’ mathematical literacy. The results indicate that GMM produced three optimal clusters, with the best model being EEI—an ellipsoidal model with equal volume and orientation across clusters—selected based on the Bayesian Information Criterion (BIC) value. The first cluster includes countries with high scores across all mathematical literacy indicators, characterized by strong visual representation skills, high self-confidence, and relatively even performance among students. The second cluster comprises countries with moderate achievement levels across indicators, where students are still able to connect mathematical concepts with real-world contexts, although the use of visual aids remains suboptimal. Meanwhile, the third cluster represents countries with relatively lower performance compared to the other two clusters, where students demonstrate adequate understanding of visual mathematical information but exhibit lower levels of self-confidence in interpreting and applying mathematical solutions in real-life contexts. These findings highlight variations in the characteristics of mathematical literacy indicators among PISA 2022 participating countries