Hadoop merupakan sebuah framework pemrograman berbasis Java yang seringkali digunakan untuk mengolah data dalam jumlah yang besar secara terdistribusi berbasis komputasi. Dua struktur utama dari Hadoop adalah MapReduce dan Hadoop Distributed File System (HDFS). Peningkatan pada MapReduce sendiri sangat bergantung pada optimalisasi model penjadwalannya. Pengolahan data dalam jumlah besar seringkali menimbulkan pemborosan sumber daya serta penggunaan waktu yang tidak efisien sehingga berdampak pada kinerja MapReduce, oleh karena itu dibutuhkan algoritma job scheduling. Namun algoritma job scheduling tidak menjamin pengakolokasian saat data diproses. Untuk masalah ini, digunakan PCAD (Adaptive Delay Schedule Algorithm Based on Progress Control) kemajuan untuk memaksimalkan kinerja lokasi data dari sudut pandang optimasi delay scheduling.
Pada hasil pengujian menunjukan algoritma Adaptive Delay Schedule (PCAD) mempunyai waktu total penyelesaian job lebih cepat 70,12 menit untuk parameter average completion time dan mempunyai waktu total pengerjaan job per menit lebih baik sebesar 2,06 untuk parameter job througput dari pada algoritma Delay Scheduling, sedangkan pada parameter fail task rate lebih unggul algortima Delay Scheduling sebesar 0,93% dari pada algoritma Adaptive Delay Schedule (PCAD).