Artikel berbahasa Inggris merupakan artikel dengan bahasa yang paling cepat menyebar dan terbaru dikarenakan bahasa Inggris merupakan bahasa internasional yang banyak digunakan orang di dunia, namun tidak semua orang fasih berbahasa Inggris dan membutuhkan bantuan untuk mengerti isi sementara artikel yang akan dibaca sangat penting dan panjang sehingga dapat menyita waktu. Memanfaatkan Information Retrieval pada teks mining untuk menemukan ide pokok dalam teks pada artikel berbahasa Inggris, dapat membantu pembaca untuk lebih mudah memahami isi artikel dan menghemat waktu yang dibutukan untuk membaca secara garis besar dengan memberikan sebuah konten yang lebih ringkas dari artikel awal. Basis pertama yang digunakan adalah Term Frequency Inverse Document Frequency (TF-IDF) untuk memberikan nilai dan menggunakan pembobotan Vector Space Model untuk menarik hasil dari pencarian ide pokok. Kata kunci yang digunakandalam proses peringkasan adalah judul dari artikel. Hasil kesimpulan yang didapatkan dari sistem pencarian ide pokok otomatis ini memberikan nilai recall 66,68%, precision 72,29%, dan f-measure sebesar 70,38%.