1.

Uji Normalitas
Cara pertama:
Descriptive Statistics
N Skewness Kurtosis
Statistic Statistic Std. Error Statistic Std. Error
Prof (X1) 28 3.523 .441 11.220 .858
LDR (X2) 30 5.477 .427 30.000 .833
TobinsQ (Y) 28 3.519 .441 11.182 .858
DER (X3) 30 .833 .427 -.166 .833
LNTA (X4) 30 -1.853 .427 4.953 .833
Valid N (listwise) 26

Hasil perhitungan nilai Z baik untuk variabel X1, X2, X3, X4, dan Y menghasilkan nilai
kritisnya X1 = 3,523; X2 = 5,477 jauh di atas 2,58 (signifikansi 1% dan 5%), kecuali variabel
X3 dan X4nilai kritisnya dibawah 2,58. Jadi dapat disimpulkan bahwa kedua variabel
tersebut (X1 dan X2) tidak terdistribusi secara normal.
(Analyze > Descriptive Statistics > Descriptives > masukkan semua variabel > Option (hanya
centang kurtosis dan skewness))
Perbaiki data di excel.

Cara kedua:
Uji statistik kormogorov smirnov
(Analyze > Nonparametrics Tests > Legacy Dialogs > 1-sample K-S)

Cara ketiga:
Uji normalitas dengan grafik
(Graph > Legacy Dialogs > Histogram > Pilih variabel satu satu)
Terlihat di atas bahwa X3 dan X4 memiliki grafik yang bagus, sedangkan X1 dan X2 tidak,
sehingga X1 dan X2 perlu diperbaiki. Apabila setelah diperbaiki ternyata masih belum bagus,
maka diskip.
Cara keempat:
Transformasi data
Data yang tidak terdistribusi secara normal dapat ditransformasi agar menjadi normal. Untuk
menormalkan data, kita harus tau bagaimana bentuk grafik histogram dari data yang ada
apakah moderate positive skewness, substansial positive skewness, serta positive skewness
dengan bentuk L dsb. Dengan mengetahui bentuk grafik histogram, kita dapat menentukan
bentuk
(Transform > Compute Variable > > Numeric Expression (SQRT(klik X1)) > Functions and
Special Variables (SQRT))

Cara terbaik:
Data dinormalkan terlebih dahulu (dua angka di belakang koma)