Heterogenitas kemampuan matematis siswa Indonesia memerlukan pendekatan berbasis data untuk merancang pembelajaran yang lebih tepat sasaran. Penelitian ini bertujuan memetakan kemampuan matematis peserta Indonesia dalam International Kangaroo Mathematics Contest (IKMC) 2024 menggunakan K-Means Clustering pada enam tingkatan: Pre Ecolier (kelas 1-2), Ecolier (kelas 3-4), Benjamin (kelas 5-6), Cadet (kelas 7-8), Junior (kelas 9-10), dan Student (kelas 11-12). Data 92.529 peserta dianalisis melalui pembersihan data, standardisasi z-score, penentuan cluster optimal dengan Elbow Method dan Silhouette Score, kemudian pemodelan K-Means secara global dan per tingkatan. Hasil menunjukkan tiga cluster optimal pada setiap tingkatan dengan Silhouette Score 0.58-0.64, mengindikasikan kualitas clustering yang baik. Secara global, 48.5% peserta berada pada kategori rendah, 41.6% sedang, dan 9.9% tinggi. Analisis per tingkatan mengungkap dominasi cluster rendah-sedang (80-90%) dengan gap skor melebar dari 33,5 poin (Pre Ecolier) menjadi 44,2 poin (Cadet), menunjukkan divergensi kemampuan yang semakin tajam pada jenjang lebih tinggi. Clustering berbasis data kompetisi terbukti efektif memetakan heterogenitas kemampuan matematis secara representatif dan memberikan dasar empiris untuk pengembangan pembelajaran terdiferensiasi serta pembinaan matematika berbasis data.