Pada era sekarang ini, Big Data memiliki peran penting pada bidang teknologi. Dalam menangani data yang berukuran kecil biasa digunakan data management yang sederhana, tetapi untuk menangani data yang berukuran besar di butuhkan sebuah data management yang lebih baik, salah satu contoh nya yaitu Hadoop. Hadoop terdiri dari dua layer yaitu MapReduce dan Hadoop Distributed File System (HDFS). MapReduce terdiri dari map dan reduce yang digunakan untuk pemrosesan data, sementara Hadoop Distributed File System (HDFS) adalah tempat direktori dimana data hadoop disimpan. Untuk menjalankan sebuah job pada Hadoop di perlukan sebuah algoritma untuk menyelesaikan suatu job. Dalam paper ini diusulkan algoritma Delay Scheduling dan algoritma Task Classification Dynamic Delay Scheduling (TCDDS). Algoritma Delay Scheduling bekerja dengan menunda jalannya job selanjutnya untuk memperbaiki data lokalitas sebelumnya, sedangkan algoritma Task Classification Dynamic Delay Scehduling (TCDDS) adalah sebuah algortitma yang bekerja dengan membagi waktu tunggu menjadi 3 priority utama yaitu Low Priority Task, Medium Priority Task, dan High Priority Task. Pada hasil pengujian menunjukan algoritma Task Classification Dynamic Delay Scheduling (TCDDS) mempunyai waktu total penyelesaian job lebih cepat 94,63 menit untuk parameter average completion time dan mempunyai waktu total pengerjaan job per menit lebih baik sebesar 10,6 untuk parameter job througput dari pada algoritma Delay Scheduling, sedangkan pada parameter fail task rate lebih unggul algortima Delay Scheduling sebesar 0,73% dari pada algoritma Task Classification Dyanmic Delay Scheduling (TCDDS). Kata Kunci : Hadoop, Task Classification Dynamic Delay Scheduling (TCDDS), Delay Scheduling