Sedangkan atribut bersama yaitu atribut yang tidak hanya dimiliki satu produk saja seperti atribut unik, akan tetapi semua produk memiliki atribut ini. Kedua
hal ini memiliki sebuah dampak kuat pada preferensi dimana atribut unik melawan atribut bersama selalu memiliki implikasi evaluatif yang berlawanan.
Hasil ini menunjukkan bahwa atribut bersama memiliki pengaruh sedikit dalam keputusan preferensi. Selain itu ketika dihadapkan pada dua produk,
hasil menunjukkan bahwa atribut unik yang menggambarkan produk kedua memiliki dampak yang lebih besar dalam preferensi, relatif terhadap atribut
unik yang menggambarkan produk pertama. Asimetri ini dikenal sebagai arah perbandingan efek. Jika atribut unik dari merek fokus produk kedua
menguntungkan, merek fokus lebih disukai. Proses perbandingan ini menunjukkan bahwa atribut bersama tidak sangat informatif karena tidak
alternatif memiliki keuntungan diferensial pada atribut ini. Arah perbandingan efek diamati hanya ketika konsumen melakukan atribut berdasarkan
perbandingan, akan tetapi dihilangkan ketika konsumen membentuk sikap didasarkan preferensi. Pada tahap evaluasi, konsumen akan membentuk
preferensi atas merek-merek yang ada di dalam kumpulan pilihan dan memberikan perhatian besar pada atribut yang memberikan manfaat yang
dicarinya Kotler dan Keller, 2009.
2.7 Analisis Faktor
Analisis faktor adalah suatu teknik untuk menganalisis tentang saling ketergantungan dari beberapa variabel secara simultan dengan tujuan untuk
menyederhanakan dari bentuk hubungan antara beberapa variabel yang diteliti menjadi sejumlah faktor yang lebih sedikit daripada variabel yang untuk diteliti,
yang berari dapat juga menggambarkan tentang struktur data dari suatu penelitian. Jadi, pada prinsipnya analisis faktor digunakan untuk mengelompokkan beberapa
variabel yang memiliki kemiripan untuk dijadikan satu faktor, sehingga dimungkinkan dari beberapa atribut yang mempengaruhi suatu komponen variabel
dapat diringkas menjadi beberapa faktor utama yang jumlahnya lebih sedikit Suliyanto, 2005.
Menurut Simamora 2005 terdapat dua metode dasar analisis faktor, yaitu:
1. Principal component analysis
Principal component analysis PCA menggunakan total varian
dalam analisisisnya. Metode ini menghasilkan faktor yang memiliki specific variance
dan error variance yang paling kecil. Jika ada beberapa faktor yang dimaksimalkan, faktor yang terlebih dahulu dihasilkan adalah
yang memiliki common variance terbesar, sekaligus specific dan error variance
terkecil. Adapun tujuan PCA adalah mengetahui jumlah faktor minimal yang dapat diekstrak. Namun sebelum memilih metode ini,
peneliti harus yakin dulu bahwa common variance lebih besar dari specific dan error variance. Adapun pengertian PCA menurut Suliyanto 2005
merupakan model dalam analisis faktor yang tujuannya untuk melakukan prediksi terhadap sejumlah faktor yang akan dihasilkan.
Model Principal Component Analysis PCA: ……………………………………......... 1
Syarat, m ≤ p Jika ditulis dalam bentuk matriks adalah:
………………………………………………………………... 2 Keterangan:
F = faktor principal component unobservable X = variabel yang diteliti observable
l = bobot dari kombinasi linier loading Dengan demikian model PCA dapat dinyatakan bahwa faktor m
terbentuk oleh variabel X
1
dengan bobot kontribusi sebesar lm
1
dan variabel X
2
dengan bobot kontribusi sebesar lm
2,
dan seterusnya. Semakin besar bobot suatu variabel terhadap faktor yang terbentuk, maka
menunjukkan semakin erat variabel tersebut terhadap faktor yang terbentuk, demikian juga sebaliknya Suliyanto, 2005.
2. Common Factor Analysis
Common Factor Analysis mengekstrak faktor hanya berdasarkan
common variance. Metode ini dapat dipakai apabila tujuan utama peneliti
adalah untuk mengetahui dimensi-dimensi laten atau konstruk yang mendasari variabel-variabel asli. Pada metode ini jumlah faktor tetap
diekstrak, namun metode ini lebih kuat dalam mengungkap dimensi- dimensi laten yang melandasi variabel-variabel. Metode ini juga dapat
dipakai, jika peneliti tidak mengetahui specific dan error variance sehingga dapat diabaikan dalam analisis. Menurut Suliyanto 2005,
metode ini merupakan model dalam analisis faktor yang tujuannya untuk mengetahui struktur variabel yang diteliti karakteristik dari observasi.
Model Common Factor Analysis : ……………………………… 3
Syarat, m ≤ p Jika ditulis dalam bentuk matriks adalah:
……………………………………………………………. 4 Keterangan:
F = common factor unobservable X = variabel yang diteliti observable
l = bobot dari kombinasi linier loading = specific factor
Dengan demikian model common factor dapat dinyatakan bahwa variabel X
p
memberikan kontribusi terhadap faktor F
1
dengan bobot kontribusi sebesar l
P1
dan kepada faktor F
2
dengan bobot kontribusi sebesar l
P2
dan juga kepada faktor lain yang tidak diteliti Suliyanto, 2005.
2.8 Penelitian Terdahulu
