El análisis de supervivencia es una rama de la estadística, que se centra en el análisis de los datos de tiempo hasta el evento. En el análisis de supervivencia multivariante, el modelo de riesgos proporcionales (PH) es el más popular para analizar los efectos de varias covariables en el tiempo de supervivencia. Sin embargo, el supuesto de riesgos constantes en el modelo PH no siempre es satisfecho por los datos. La violación del supuesto de PH conduce a la interpretación errónea de los resultados de la estimación y a la disminución de la potencia de las pruebas estadísticas relacionadas. Por otro lado, los modelos de tiempo de fallo acelerado (AFT) no asumen los riesgos constantes en los datos de supervivencia como en el modelo PH. Los modelos AFT, además, pueden utilizarse como alternativa al modelo PH si se viola el supuesto de riesgos constantes. El objetivo de esta investigación era comparar el rendimiento del modelo PH y los modelos AFT en el análisis de los factores significativos que afectan a los datos del intervalo entre primeros nacimientos (FBI) en Indonesia. En este trabajo, la discusión se limitó a tres modelos AFT basados en la distribución Weibull, exponencial y log-normal. El análisis mediante un enfoque gráfico y una prueba estadística mostró que existen riesgos no proporcionales en el conjunto de datos del FBI. Según el criterio de información de Akaike (AIC), el modelo log-normal AFT fue el más apropiado entre los demás modelos considerados. Los resultados del modelo mejor ajustado (modelo log-normal AFT) mostraron que las covariables como el nivel educativo de la mujer, el nivel educativo del marido, el conocimiento de los anticonceptivos, el acceso a los medios de comunicación, el índice de riqueza y la situación laboral se encontraban entre los factores que afectan a la FBI en Indonesia.