Die Überlebensanalyse ist ein Teilgebiet der Statistik, das sich mit der Analyse von Zeit-zu-Ereignis-Daten befasst. In der multivariaten Überlebensanalyse ist das Proportional-Hazard-Modell (PH) das beliebteste Modell, um die Auswirkungen mehrerer Kovariaten auf die Überlebenszeit zu analysieren. Die Annahme konstanter Hazards im PH-Modell wird jedoch von den Daten nicht immer erfüllt. Die Verletzung der PH-Annahme führt zu einer Fehlinterpretation der Schätzergebnisse und einer Verringerung der Aussagekraft der entsprechenden statistischen Tests. Andererseits wird bei den AFT-Modellen (Accelerated Failure Time) nicht wie beim PH-Modell von einer konstanten Gefährdung der Überlebensdaten ausgegangen. Die AFT-Modelle können außerdem als Alternative zum PH-Modell verwendet werden, wenn die Annahme der konstanten Gefährdung verletzt wird. Ziel dieser Untersuchung war es, die Leistung des PH-Modells und der AFT-Modelle bei der Analyse der signifikanten Faktoren zu vergleichen, die die Daten des Erstgeburtsintervalls (FBI) in Indonesien beeinflussen. In dieser Arbeit beschränkte sich die Diskussion auf drei AFT-Modelle, die auf der Weibull-, Exponential- und Log-Normal-Verteilung basieren. Die Analyse mit Hilfe eines grafischen Ansatzes und eines statistischen Tests zeigte, dass im FBI-Datensatz nichtproportionale Gefahren bestehen. Auf der Grundlage des Akaike-Informationskriteriums (AIC) war das lognormale AFT-Modell das am besten geeignete Modell unter den anderen betrachteten Modellen. Die Ergebnisse des am besten angepassten Modells (lognormales AFT-Modell) zeigten, dass Kovariaten wie das Bildungsniveau der Frau, das Bildungsniveau des Ehemanns, das Wissen über Verhütungsmittel, der Zugang zu Massenmedien, der Wohlstandsindex und der Beschäftigungsstatus zu den Faktoren gehören, die den FBI in Indonesien beeinflussen.