Teknologi yang semakin berkembang memudahkan akses apapun, dimanapun, dan kapanpun, salah satunya adalah memberikan kemudahan untuk menemukan materi pendidikan yang diinginkan. Akan tetapi dibalik kemudahan tersebut, terdapat kebingungan dalam pemilihan topik yang diinginkan dikarenakan banyaknya materi yang tersedia. Cara alternatif untuk mempermudah pencarian topik adalah dengan mengelompokkan artikel jurnal berdasarkan kemiripan isinya. Salah satu metode diantara banyak metode yang digunakan untuk mengelompokkan data adalah algoritma E-ROCK (Enhanched -RObust Clustering using linKs). Dalam penelitian ini algoritma E-ROCK (Enhanched -RObust Clustering using linKs) merupakan perbaikan dari algoritma ROCK (RObust Clustering using linKs) dimana digunakan rumus cosine similarity distance yang diyakini menghasilkan performa yang lebih baik dibandingkan rumus similarity distance yang terdapat dalam algoritma ROCK (RObust Clustering using linKs) . Penelitian ini menggunakan 100 dokumen artikel jurnal ilmiah Ilmu Komputer yang terbagi dalam 10 kategori. Pengelompokan jurnal dilakukan menggunakan agoritma E-ROCK (Enhanched - RObust Clustering using linKs) yang kemudian didapatkan topik- topik pada tiap cluster didapatkan dari kata (term) yang memiliki jumlah frekuensi kemunculan terbesar dalam sebuah cluster.