ABSTRAK Penelitian dalam pemrosesan data menunjukan bahwa semakin besar data semakun membutuhkan waktu yang lebih lama. Pemrosesan data berukuran besar pada komputer tunggal memiliki keterbatasan yang dapat diatasi dengan memproses data secara paralel. Penelitian ini memanfaatkan model pemrograman MapReduce pada sinkronisasi data dengan melakukan duplikasi data dari database client ke database server. MapReduce adalah model pemrograman yang dikembangkan untuk mempercepat pemrosesan data

more »

... n besar. Penerapan model MapReduce pada proses pelatihan dilakukan pada pembagian data yang disesuaikan dengan jumlah sub-proses (thread) dan pemasukan data ke database server serta menampilkan data hasil sinkronisasi data. Percobaan dilakukan dengan menggunakan data sebesar 1.000, 10.000, 100.000 dan 1.000.000 data, serta menggunakan thread sebanyak 1, 5, 10, 15, 20 dan 25 thread. Hasil penelitian menunjukan bahwa penggunaan model pemrograman MapReduce dapat menghasilkan waktu yang lebih cepat, namun waktu untuk membuat thread ketika jumlah thread yang banyak memerlukan waktu yang lebih lama. Hasil penggunaan model pemrograman MapReduce dapat memberikan efisiensi waktu dalam melakukan sinkronisasi data baik pada database tunggal maupun database terdistribusi. ABSTRACT Research in the processing of the data shows that the larger data increasingly requires a longer time. Processing huge amounts of data on a single computer has limitations that can be overcome by parallel processing. This study utilized the MapReduce programming model data synchronization by duplicating the data from database client to database server. MapReduce is a programming model that was developed to speed up the processing of large data. MapReduce model application on the training process performed on data sharing that is adapted to number of sub-process (thread) and data entry to database server and displays data from data synchronization. The experiments were performed using data of 1,000, 10,000, 100,000 and 1,000,000 of data, and use the thread as much as 1, 5, 10, 15, 20 and 25 threads. The results showed that the use of MapReduce programming model can result in a faster time, but time to create many thread that many require a longer time. The results of the use of MapReduce programming model can provide time efficiency in synchronizing data both on a single database or a distributed database