Metode Simple Additive Weighting (SAW)

1.1  Pengertian Metode Simple Additive Weighting (SAW)
Metode Simple Additive Weighting (SAW) sering juga dikenal istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut (Fishburn, 1967) (MacCrimmon, 1968). Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. Metode ini merupakan metode yang paling terkenal dan paling banyak digunakan dalam menghadapi situasi Multiple Attribute Decision Making (MADM). MADM itu sendiri merupakan suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu. Metode SAW ini mengharuskan pembuat keputusan menentukan bobot bagi setiap atribut. Skor total untuk alternatif diperoleh dengan menjumlahkan seluruh hasil perkalian antara rating (yang dapat dibandingkan lintas atribut) dan bobot tiap atribut. Rating tiap atribut haruslah bebas dimensi dalam arti telah melewati proses normalisasi matriks sebelumnya.
 1.2 Langkah Penyelesaian Simple Additive Weighting (SAW)
Langkah Penyelesaian SAW sebagai berikut :
1.      Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan, yaitu Ci.
2.      Menentukan rating kecocokan setiap alternatif pada setiap kriteria.
3.      Membuat matriks keputusan berdasarkan kriteria(Ci), kemudian melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan ataupun atribut biaya) sehingga diperoleh matriks ternormalisasi R.
4.      Hasil akhir diperoleh dari proses perankingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vektor bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik (Ai)sebagai solusi. Formula untuk melakukan normalisasi tersebut adalah :
Dimana : rij = rating kinerja ternormalisasi
Maxij = nilai maksimum dari setiap baris dan kolom
Minij = nilai minimum dari setiap baris dan kolom
Xij = baris dan kolom dari matriks
Dengan rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj; i =1,2,…m dan j = 1,2,…,n. Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai :
 
 Dimana : Vi = Nilai akhir dari alternatif
wj = Bobot yang telah ditentukan
rij = Normalisasi matriks
Nilai Viyang lebih besar mengindikasikan bahwa alternatifAi lebih terpilih
  • Digg
  • Del.icio.us
  • StumbleUpon
  • Reddit
  • Twitter
  • RSS

Komponen SPK

Sistem Pendukung Keputusan memiliki tiga subsistem utama yang menentukan kapabilitas teknis SPK tersebut diantaranya sebagai berikut :

Subsistem manajemen basis data

Kemampuan yang dibutuhkan dari manajemen basis data dapat diringkas, sebagai berikut :
  1. Kemampuan untuk mengkombinasikan berbagai variasi data melalui pengambilan keputusan dan ekstrasi data.
  2. Kemampuan untuk menabahkan sumber data secara cepat dan mudah.
  3. Kemampuan untuk menggambarkan struktur data logik sesuai dengan pengertian pemakai sehingga pemakai mengetahui apa yang tersedia dan dapat menentukan kebutuhan penambahan dan pengurangan.
  4. Kemampuan untuk menangani data secara personil sehingga pemakai dapat mencoba berbagai alternatif pertimbangan personil.
  5. Kemampuan untuk mengelola berbagai variasi data.

Subsistem manajemen basis model

Kemampuan yang dimiliki subsistem basis model diantaranya sebagai berikut :
  1. Kemampuan untuk menciptakan model-model baru secara cepat dan mudah.
  2. Kemampuan untuk mengakses dan mengintegrasikan model-model keputusan.
  3. Kemampuan untuk mengelola basis model dengan fungsi manajemen yang analog dan manajemen database (seperti mekanisme untuk menyimpan, membuat dialog, menghubungkan dan mengakses model).

Subsistem perangkat lunak penyelenggara dialog

Bennet mendefinisikan pemakai, terminal, dan sistem perangkat lunak sebagai komponen-komponen dari sistem dialog. Ia membagi subsistem dialog menjadi 3 bagian :
  1. Bahasa aksi, meliputi apa yang dapat dugunakan oleh pemakai dalam berkomunikasi dengan sistem.
  2. Bahasa tampilan atau presentasi, meliputi apa yang harus diketahui oleh pemakai.
  3. Basis pengetahuan, meliputi apa yang harus diketahui oleh pemakai.
Kombinasi dari kemampuan-kemampuan diatas terdiri dari apa yang disebut gaya dialog, misalnya, yang meliputi pendekatan tanya jawab, bahasa perintah, menu-menu, dan mengisi tempat kosong.
Kemampuan yang harus dimiliki oleh SPK untuk mendukung dialog pemakai atau sistem meliputi :
  1. Kemampuan untuk menangani berbagai variasi gaya dialog, bahkan jika mungkin untuk mengkombinasikan berbagai gaya dialog sesuai dengan pilihan pemakai.
  2. Kemampuan untuk mengakomodasi tindakan pemakai dengan berbagai peralatan masukan.
  3. Kemampuan untuk menampilkan data dengan berbagai fariasi format dan peralatan keluaran.
  4. Kemampuan untuk memberikan dukungan yang fleksibel untuk mengetahui bisnis pengetahuan pemakai.

Keuntungan Sistem Pendukung Keputusan

Dengan berbagai karakter khusus yang dimiliki Sistem Pendukung Keputusan (SPK) dapat memberikan berbagai manfaat dan keuntungan. Manfaat yang dapat diambil dari SPK adalah :
  1. SPK memperluas keampuan pengambil keputusan dalam memproses data/ informasi bagi pemakainya.
  2. SPK membantu pengambil keputusan untuk memecahkan masalah terutama masalah yang sangat kompleks.
  3. SPK dapat menghasilkan solusi dengan lebih cepat serta hasilnya dapat diandalkan.
  4. Walaupun suatu SPK, mungkin saja tidak mampu memecahkan masalah yang dihadapioleh pengambil keputusan, namun ia dapat mengambil stimulan bagi pengambil keputusan dalam memahami persoalannya, karena mampu menyajikan berbagai alternatif pemecahan.
  • Digg
  • Del.icio.us
  • StumbleUpon
  • Reddit
  • Twitter
  • RSS

DEFINISI SISTEM PENDUKUNG KEPUTUSAN

Sistem pendukung keputusan (Inggris: decision support systemsdisingkat DSS) adalah bagian dari sistem informasi berbasis komputer (termasuk sistem berbasis pengetahuan (manajemen pengetahuan)) yang dipakai untuk mendukung pengambilan keputusan dalam suatu organisasi atau perusahaan.DSS dapat juga dikatakan sebagai sistem komputer yang mengolahdata menjadi informasi untuk mengambil keputusan dari masalah semi-terstruktur yang spesifik
Konsep Sistem Pendukung Keputusan (SPK) / Decision Support Sistem (DSS) pertama kali diungkapkan pada awal tahun 1970-an oleh Michael S. Scott Morton dengan istilah Management Decision Sistem. Sistem tersebut adalah suatu sistem yang berbasis komputer yang ditujukan untuk membantu pengambil keputusan dengan memanfaatkan data dan model tertentu untuk memecahkan berbagai persoalan yang tidak terstruktur .
Istilah SPK mengacu pada suatu sistem yang memanfaatkan dukungan komputer dalam proses pengambilan keputusan. Untuk memberikan pengertian yang lebih mendalam, akan diuraikan beberapa difinisi mengenai SPK yang dikembangkan oleh beberapa ahli, diantaranya oleh Man dan Watson yang memberikan definisi sebagai berikut, SPK merupakan suatu sistem yang interaktif, yang membantu pengambil keputusan melalui penggunaan data dan model-model keputusan untuk memecahkan masalah yang sifatnya semi terstruktur maupun yang tidak terstruktur.
Tahapan Dalam Pengambilan Keputusan
1.Tahap  Pemahaman
 2.Tahap Perancangan 
3.Tahap Pemilihan
4.Tahap Penerapan
Karakteristik sistem pendukung keputusan adalah :
  1. Sistem Pendukung Keputusan dirancang untuk membantu pengambil keputusan dalam memecahkan masalah yang sifatnya semi terstruktur ataupun tidak terstruktur dengan menambahkan kebijaksanaan manusia dan informasi komputerisasi.
  2. Dalam proses pengolahannya, sistem pendukung keputusan mengkombinasikan penggunaan model-model analisis dengan teknik pemasukan data konvensional serta fungsi-fungsi pencari / interogasi informasi.
  3. Sistem Pendukung Keputusan, dirancang sedemikian rupa sehingga dapat digunakan/dioperasikan dengan mudah.
  4. Sistem Pendukung Keputusan dirancang dengan menekankan pada aspek fleksibilitas serta kemampuan adaptasi yang tinggi.
Dengan berbagai karakter khusus diatas, SPK dapat memberikan berbagai manfaat dan keuntungan. Manfaat yang dapat diambil dari SPK adalah :
  1. SPK memperluas kemampuan pengambil keputusan dalam memproses data / informasi bagi pemakainya.
  2. SPK membantu pengambil keputusan untuk memecahkan masalah terutama berbagai masalah yang sangat kompleks dan tidak terstruktur.
  3. SPK dapat menghasilkan solusi dengan lebih cepat serta hasilnya dapat diandalkan.
  4. Walaupun suatu SPK, mungkin saja tidak mampu memecahkan masalah yang dihadapi oleh pengambil keputusan, namun ia dapat menjadi stimulan bagi pengambil keputusan dalam memahami persoalannya, karena mampu menyajikan berbagai alternatif pemecahan.
Di samping berbagai keuntungan dan manfaat seperti dikemukakan diatas, SPK juga memiliki beberapa keterbatasan, diantaranya adalah :
  1. Ada beberapa kemampuan manajemen dan bakat manusia yang tidak dapat dimodelkan, sehingga model yang ada dalam sistem tidak semuanya mencerminkan persoalan sebenarnya.
  2. Kemampuan suatu SPK terbatas pada perbendaharaan pengetahuan yang dimilikinya (pengetahuan dasar serta model dasar).
  3. Proses-proses yang dapat dilakukan SPK biasanya juga tergantung pada perangkat lunak yang digunakan.
  4. SPK tidak memiliki kemampuan intuisi seperti yang dimiliki manusia. Sistem ini dirancang hanyalah untuk membantu pengambil keputusan dalam melaksanakan tugasnya.
Jadi secara dapat dikatakan bahwa SPK dapat memberikan manfaat bagi pengambil keputusan dalam meningkatkan efektifitas dan efisiensi kerja terutama dalam proses pengambilan keputusan.
Komponen Sistem Pendukung Keputusan
Sistem pendukung keputusan terdiri atas tiga komponen utama yaitu:
  1. Subsistem pengelolaan data (database).
  2. Subsistem pengelolaan model (modelbase).
  3. Subsistem pengelolaan dialog (userinterface).
Tahapan SPK:
  • Definisi masalah
  • Pengumpulan data atau elemen informasi yang relevan
  • pengolahan data menjadi informasi baik dalam bentuk laporan grafik maupun tulisan
  • menentukan alternatif-alternatif solusi (bisa dalam persentase)
Tujuan dari SPK:
  • Membantu menyelesaikan masalah semi-terstruktur
  • Mendukung manajer dalam mengambil keputusan
  • Meningkatkan efektifitas bukan efisiensi pengambilan keputusan
Dalam pemrosesannya, SPK dapat menggunakan bantuan dari sistem lain seperti Artificial Intelligence, Expert Systems, Fuzzy Logic, dll.
  • Digg
  • Del.icio.us
  • StumbleUpon
  • Reddit
  • Twitter
  • RSS

Metode Analytical Hierarchy Process (AHP)

  1. Pengertian AHP
Analytical Hierarchy Process (AHP) merupakan suatu model pendukung keputusan yang dikembangkan oleh Thomas L. Saaty. AHP menguraikan masalah multi faktor atau multi kriteria yang kompleks menjadi suatu hirarki. Menurut Saaty (1993), hirarki didefinisikan sebagai suatu representasi dari sebuah permasalahan yang kompleks dalam suatu struktur multi level dimana level pertama adalah tujuan, yang diikuti level faktor, kriteria, sub kriteria, dan seterusnya ke bawah hingga level terakhir dari alternatif.  Dengan hirarki, suatu masalah yang kompleks dapat diuraikan ke dalam kelompok-kelompoknya yang kemudian diatur menjadi suatu bentuk hirarki sehingga permasalahan akan tampak lebih terstruktur dan  sistematis.
Kelebihan dan Kelemahan AHP
Layaknya sebuah metode analisis, AHP pun memiliki kelebihan dan kelemahan dalam system analisisnya. Kelebihan-kelebihan analsis ini adalah :
  • Kesatuan (Unity)
AHP membuat permasalahan yang luas dan tidak terstruktur menjadi suatu model yang fleksibel dan mudah dipahami.
  • Kompleksitas (Complexity), AHP memecahkan permasalahan yang kompleks melalui pendekatan sistem dan pengintegrasian secara deduktif.
  • Saling ketergantungan (Inter Dependence)
AHP dapat digunakan pada elemen-elemen sistem yang saling bebas dan tidak memerlukan hubungan linier.
  • Struktur Hirarki (Hierarchy Structuring)
AHP mewakili pemikiran alamiah yang cenderung mengelompokkan elemen sistem ke level-level yang berbeda dari masing-masing level berisi elemen yang serupa.
  • Pengukuran (Measurement)
AHP menyediakan skala pengukuran dan metode untuk mendapatkan prioritas.
  • Konsistensi (Consistency)
AHP mempertimbangkan konsistensi logis dalam penilaian yang  digunakan untuk menentukan prioritas.
  • Sintesis (Synthesis)
AHP mengarah pada perkiraan keseluruhan mengenai seberapa diinginkannya masing-masing alternatif.
  • Trade Off
AHP mempertimbangkan prioritas relatif faktor-faktor pada sistem sehingga orang mampu memilih altenatif terbaik berdasarkan tujuan mereka.
  • Penilaian dan Konsensus (Judgement and Consensus)
AHP tidak mengharuskan adanya suatu konsensus, tapi menggabungkan hasil penilaian yang berbeda.
  • Pengulangan Proses (Process Repetition)
AHP mampu membuat orang menyaring definisi dari suatu permasalahan dan mengembangkan penilaian serta pengertian mereka melalui proses pengulangan.
Sedangkan kelemahan metode AHP adalah sebagai berikut:
  • Ketergantungan model AHP pada input utamanya. Input utama ini berupa persepsi seorang ahli sehingga dalam hal ini melibatkan subyektifitas sang ahli selain itu juga model menjadi tidak berarti jika ahli tersebut memberikan penilaian yang keliru.
  • Metode AHP ini hanya metode matematis tanpa ada pengujian secara statistik sehingga tidak ada batas kepercayaan dari kebenaran model yang terbentuk
Aplikasi AHP
Beberapa contoh aplikasi AHP adalah sebagai berikut:
  1. Membuat suatu set alternatif;
  2. Perencanaan
  3. Menentukan prioritas;
  4. Memilih kebijakan terbaik setelah menemukan satu set alternatif;
  5. Alokasi sumber daya
  6. Menentukan kebutuhan/persyaratan;
  7. Memprediksi outcome;
  8. Merancang sistem;
  9. Mengukur performa;
  10. Memastikan stabilitas sistem;
  11. Optimasi;
  12. Penyelesaian konflik
  • Digg
  • Del.icio.us
  • StumbleUpon
  • Reddit
  • Twitter
  • RSS

Sistem Pendukung Keputusan (SPK) Dengan Metode Promethe

PROMETHEE merupakan salah satu metode yang digunakan untuk mengambil keputusan pada multi criteria decision making(MCDM). Metode ini pertama kali diperkenalkan oleh J. P. Brans pada tahun 1982.
MULTI CRITERIA DECISION MAKING
Multi Criteria Decision Making dapat dinyatakan sebagai berikut :
Max{g1(a),g2(a),…,gj(a),…,gk(a)|a  A}                                                   (1.1)
Dimana A : himpunan dari semua alternatif solusi {a1,a2,…,ai,..an}.
{g1(.),g2(.),…,g(j),g(k)} : nilai evaluasi dari tiap kriteria.
Cara yang sering dilakukan ketika akan mengambil keputusan dalam MCDM adalah membandingkan alternatif yang satu dengan alternatif lainnya. Perbandingan dilakukan pada setiap kriteria. Setelah proses perbandingan dilakukan, proses selanjutnya adalah melakukan proses perangkingan alternatif – alternatif yang ada berdasarkan hasil proses perbandingan tadi.

1. pengertian dari Promethee itu sendiri adalah metode dalam memecahkan permasalahan yang bersifat multikriteria dengan cara menentukan urutan (prioritas). Masalah pokoknya adalah kesederhanaan, kejelasan , dan kestabilan. Dugaan dari dominasi kriteria yang digunakan dalam promethee adalah penggunaan nilai dalam hubungan outranking. Ini adalah metode peringkat yang cukup sederhana dalam konsep dan aplikasi dibandingkan dengan metode lain untuk analisis multikriteria. Promethee ini sendiri termasuk dalam keluarga dari metode outranking yang dikembangkan oleh B. Roy, dan meliputi dua fase:
- Membangun hubungan outranking dari K
- Eksploitasi dari hubungan ini memberikan jawaban optimasi kriteria dalam paradigma permasalahan multikriteria.

2. Rumus perhitunagan
-preferensi multi kriteria


-Leaving flow

-Entering flow

-Net flow
Keterangan:
1. f(a, x) = menunjukkan preferensi bahwa alternatif lebih baik dari alternatif x.
2. f (x, a) = menunjukkan preferensi bahwa alternatif x lebih baik dari alternatif
3. F+( a) = Leaving flow, digunakan untuk menentukan urutan prioritas pada
proses Promethee I yang menggunakan urutan parsial.
4. F-( a) = Entering flow, digunakan untuk menentukan urutan prioritas pada proses Promethee I yang menggunakan urutan parsial.
5. F(a) = Net flow, digunakan untuk menghasilkan keputusan akhir penentuan Urutan dalam menyelesaikan masalah sehingga menghasilkan urutan lengkap.
  • Digg
  • Del.icio.us
  • StumbleUpon
  • Reddit
  • Twitter
  • RSS

SPK Dengan Metode Simple Multy Attribute Rating (SMART)

A.      Pengertian Sistem Pendukung Keputusan
            Sistem pendukung keputusan merupakan suatu penerapan sistem informasi yang ditujukan untuk membantu pimpinan dalam proses pengambilan keputusan. Sistem pendukung keputusan menggabungkan kemampuan komputer dalam pelayanan interaktif dengan pengolahan atau pemanipulasi data yang memanfaatkan model atau aturan penyelesaian yang tidak terstruktur (Turban, 2005:19).
            Dapat disimpulkan bahwa, Sistem Pendukung Keputusan adalah sebuah sistem yang mendukung kerja seorang manager maupun sekelompok manager dalam memecahkan masalah semi-terstruktur dengan cara memberikan informasi ataupun usulan menuju pada keputusan tertentu.
     B.       Simple Multy Attribute Rating (SMART) Technique
            Pada hakekatnya Simple Multy Attribute Rating (SMART) merupakan suatu model pengambil keputusan yang komprehensif dengan memperhitungkan hal-hal yang bersifat kualitatif dan kuantitatif. Dalam model pengambilan keputusan dengan SMART pada dasarnya berusaha menutupi setiap kekurangan dari model-model tanpa komputerisasi sebelumnya. SMART juga memungkinkan ke struktur suatu sistem dan lingkungan kedalam komponen saling berinteraksi dan kemudian menyatukan mereka dengan mengukur dan mengatur dampak dari komponen kesalahan sistem.
            Peralatan utama dari model ini adalah sebuah hirarki fungsional dengan input utamanya adalah persepsi manusia. Jadi pada dasarnya tidak ada perbedaan yang mencolok pada model SMART dengan model lainnya sama sama terletak pada jenis inputnya, hanya saja terdapat persentase dari setiap pembobotan langsung yang ditentukan oleh hasil analisa permasalahan.
       C.      Metode Pembobotan Simple Multy Attribute Rating (SMART)
            Merupakan metode pendukung keputusan yang paling sederhana. Dalam metode ini dilihat beberapa parameter yang menjadi penentu keputusan tersebut. Parameter tersebut mempunyai range nilai dan bobot yang berbeda-beda. Nilai tersebut nantinya akan menjadi penentu keputusan yang diambil.

 

III.         PEMBAHASAN

3.1.      Model dan Bobot Penilaian Sistem
            Pendukung Keputusan
            Model sistem pendukung keputusan pemilihan bank sebagai tempat menabung
dibuat dalam 4 jenis model yaitu model
lokasi, model ketersediaan Automatic teller machine (ATM), model jam kerja, model layanan pelanggan dan model perbankan online. Dimana masing-masing
model tersebut memiliki beberapa elemen yang akan menentukan hasil akhir sistem pendukung keputusan yang akan digunakan oleh para nasabah dalam menentukan suatu keputusan. Setiap elemen bobot penilaian yang berbeda-beda tergantung dari hasil jenis model.
            Batasan penilaian dimulai dari 10 sebagai range terendah sampai dengan 100 sebagai range tertinggi, sehingga pada akhirnya kelayakan pemilihan bank diukur dengan nilai sebagai 80-100 untuk kategori
diterima oleh pengguna untuk menabung, 60-79 untuk  kategori dipertimbangkan apakah ya atau tidak, 0-59 untuk kategori ditolak artinya tidak layak untuk tempat menabung bagi nasabah yang bersangkutan.
            Penentuan bobot penilaian telah dilakukan berdasarkan kriteria yang telah ditetapkan  dengan bersumber pada hasil penelitian, namun hal ini untuk seterusnya bias diadakan perubahan-perubahan searah dengan tuntutan kebutuhan. Bahwa sistem pada proses penilaiannya mengacu kepada pemenuhan kriteria-kriteria yang telah ditetapkan serta mengacu pada beberapa kasus yang telah terjadi, sehingga benar-benar mempunyai tolak ukur yang baik.
3.2.      Perancangan Basis Model
            Dalam mendukung proses pengambilan keputusan, digunakan model pembobotan yang dibangun untuk menentukan prioritas pemilihan bank dalam menghasilkan keluaran sistem secara keseluruhan dengan melakukan langkah-langkah sebagai berikut:
a. Input nilai kriteria masing-masing model.
b.Input bobot masing-masing kriteria.
c.Hitung normalisasi dari bobot.

Rancangan model untuk mengevaluasi pemilihan bank adalah sebagai berikut:
1.      Kriteria lokasi
       Model lokasi dimaksudkan untuk menentukan kenyamanan serta kemudahan penjangkauan bank yang akan digunakan sebagai tempat menabung oleh nasabah serta berapa besar nilai dari masing-masing point tersebut. Dengan pemberian nilai mulai dari terkecil 10 sampai terbesar 100.
            Tabel 1. Kriteria lokasi
No
Kriteria Lokasi
Nilai
Bobot
        1.       
Dekat tempat tinggal
100
80 %
      2.       
Dekat tempat bekerja / study
80
  3.       
Dekat Sarana Umun
60
      4.       
Di Pusat Kota
40
     5.       
Dekat pusat perbelanjaan
20
       6.       
Dekat tempat hiburan
10
Nilai lokasi adalah:
2.        Kriteria ketersediaan ATM
        Model ketersediaan ATM dimaksudkan untuk memberikan kemudahan kepada nasabah dalam melakukan transaksi tanpa harus datang ke kantor pusat bank tersebut serta berapa besar nilai dari masing-masing point tersebut. Dengan pemberian nilai mulai dari terkecil 10 sampai terbesar 100.
      Tabel 2. Kriteria ketersediaaan ATM
No
Kriteria Lokasi
Nilai
Bobot
1.                   
Dekat tempat tinggal
100
70 %
2.                   
Berada di dekat tempat customer bekerja / study
90
3.                   
Berada dijalur yang dilalui saat kegiatan
80
4.                   
Dekat Sarana Umun
70
5.                   
Di Pusat Kota
60
6.                   
Dekat pusat perbelanjaan
40
7.                   
Dekat tempat hiburan
20
Nilai ketersediaan ATM adalah:
  • Digg
  • Del.icio.us
  • StumbleUpon
  • Reddit
  • Twitter
  • RSS