L’analisi di sopravvivenza è una branca della statistica, che si concentra sull’analisi dei dati tempo-evento. Nell’analisi di sopravvivenza multivariata, l’hazard proporzionale (PH) è il modello più popolare per analizzare gli effetti di diverse covariate sul tempo di sopravvivenza. Tuttavia, l’assunzione di rischi costanti nel modello PH non è sempre soddisfatta dai dati. La violazione dell’ipotesi PH porta all’interpretazione errata dei risultati di stima e alla diminuzione della potenza dei relativi test statistici. D’altra parte, i modelli AFT (accelerated failure time) non assumono le probabilità costanti nei dati di sopravvivenza come nel modello PH. I modelli AFT, inoltre, possono essere usati come alternativa al modello PH se l’assunzione di pericoli costanti è violata. L’obiettivo di questa ricerca è stato quello di confrontare le prestazioni del modello PH e dei modelli AFT nell’analisi dei fattori significativi che influenzano i dati del primo intervallo di nascita (FBI) in Indonesia. In questo lavoro, la discussione è stata limitata a tre modelli AFT basati sulla distribuzione Weibull, esponenziale e log-normale. L’analisi utilizzando un approccio grafico e un test statistico ha mostrato che i rischi non proporzionali esistono nel set di dati FBI. Sulla base del criterio di informazione di Akaike (AIC), il modello log-normale AFT era il modello più appropriato tra gli altri modelli considerati. I risultati del modello meglio adattato (modello log-normale AFT) hanno mostrato che le covariate come il livello di istruzione delle donne, il livello di istruzione del marito, la conoscenza contraccettiva, l’accesso ai mass media, l’indice di ricchezza, e lo stato di occupazione erano tra i fattori che influenzano l’FBI in Indonesia.