Penelitian dalam pemrosesan data menunjukan bahwa semakin besar data semakin membutuhkan waktu yang lebih lama. Pemrosesan data berukuran besar pada komputer tunggal memiliki keterbatasan yang dapat diatasi dengan memproses data secara paralel baik dengan menggunakan komputer lebih dari satu. 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 berukuran 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 dengan metode message passing dan static task assignment dapat menghasilkan waktu yang optimal. Hasil tercepat diperlihatkan pada jumlah data 1.000.000 data dengan jumlah pemroses sebanyak 25 thread.

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 on many computers. 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 and Message Passing and Static Task Assigment can result in a faster time. The faster result shown 1.000.000 data using 25 thread

Kata Kunci : MapReduce, data synchronization, multithread, Message passing Interface, Static Tasks Assigment