Abstract. In this study, we will discuss the modification of the Hosmer-Lemeshow Test method. The Hosmer-Lemeshow test is a suitability test (Goodness of fit) based on the predicted probability values, the Hosmer-Lemeshow Test is widely used to test the suitability of the model using big data. The use of sufficiently large data in logistic regression analysis can create some test stability problems. Therefore, (Yu, Xu, & Zhu, 2017) propose to modify the Hosmer-Lemeshow Test method for big data which can minimize problems with the test power so that the test is more stable. The data used is data on people with hypertension in the city of Framingham, Massachusettes, which is obtained from the website kaggle.com. From this study it can be concluded that the logistic regression model used does not match the data on hypertension sufferers. So it is necessary to look for other models that are more suitable to the data.Keywords: Goodness of fit, Logistic Regression, Modification of the Hosmer-Lemeshow Test Method.Abstrak. Dalam penelitian ini akan dibahas mengenai modifikasi metode Hosmer-Lemeshow Test. Uji Hosmer-Lemeshow merupakan uji kesesuaian (Goodness of fit) berdasarkan nilai-nilai prediksi peluang, pengujian Hosmer-Lemeshow Test  banyak digunakan untuk menguji kesesuaian model menggunakan data besar. Penggunaan data yang cukup besar dalam analisis regresi logistik dapat membuat beberapa masalah kestabilan uji. Oleh karena itu, (Yu, Xu, & Zhu, 2017) mengusulkan untuk memodifikasi metode Hosmer-Lemeshow Test untuk data besar yang dapat meminimalisir masalah pada kuasa uji sehingga ujinya lebih stabil. Data yang digunakan adalah data penderita penyakit hipertensi di kota Framingham, Massachusettes yang diperoleh dari situs website kaggle.com. Dari penelitian ini dapat disimpulkan bahwa model regresi logistik yang digunakan tidak cocok dengan data penderita penyakit hipertensi. Sehingga perlu dicari model lain yang lebih cocok dengan data.Kata Kunci: Goodness of fit , Regresi Logistik, Modifikasi Metode Hosmer-Lemeshow Test.