Return on Assets (ROA) merupakan indikator utama efisiensi pemanfaatan aset sekaligus ukuran kesehatan profitabilitas perbankan yang diawasi secara ketat oleh Otoritas Jasa Keuangan (OJK) dan investor. Studi ini menganalisis distribusi empiris ROA triwulan II tahun 2024 dari 102 bank di Indonesia yang datanya diperoleh dari Otoritas Jasa Keuangan (OJK), Bursa Efek Indonesia (BEI/IDX), serta laporan keuangan masing-masing bank. Hasil analisis menunjukkan bahwa distribusi ROA bersifat multimodal dan heavy-tailed, yang mengindikasikan keberadaan lebih dari satu subpopulasi dalam data. Tujuan penelitian ini adalah mengelompokkann data ROA menggunakan pendekatan finite mixture model karena mampu merepresentasikan keberagaman pola dalam data dengan lebih sesuai dibandingkan dengan satu distribusi tunggal. Penelitian ini menggunakan metode Maximum Likelihood Estimation (MLE) melalui algoritma Expectation–Maximization (EM) untuk mengestimasi parameter model. Empat jenis distribusi kandidat (Normal, t, skew-Normal, dan skew-t) dievaluasi pada jumlah komponen dua hingga lima. Berdasarkan bootstrap likelihood ratio test serta perbandingan nilai Akaike Information Criterion (AIC) dan Bayesian Information Criterion (BIC), model paling sesuai adalah finite mixture Normal dengan tiga komponen. Proporsi masing-masing komponen sebesar 27,6%, 70,4%, dan 2,0%. Komponen pertama merepresentasikan bank dengan profitabilitas tinggi (ROA ≈22%), komponen kedua mencerminkan mayoritas bank dengan profitabilitas sedang (ROA ≈8%), dan komponen ketiga menggambarkan bank dengan profitabilitas negatif signifikan (ROA ≈−31%). Hasil analisis ini memberikan segmentasi profitabilitas perbankan nasional dan menjadi dasar pengambilan keputusan dalam evaluasi kinerja serta kebijakan pengawasan.
