Överlevnadsanalys är en gren av statistiken som fokuserar på analysen av data som rör tid till händelse. I multivariat överlevnadsanalys är proportionella risker (PH) den mest populära modellen för att analysera effekterna av flera kovariater på överlevnadstiden. Antagandet om konstanta risker i PH-modellen uppfylls dock inte alltid av uppgifterna. Om PH-antagandet inte följs leder det till att skattningsresultaten misstolkas och att effekten av de relaterade statistiska testerna minskar. Å andra sidan förutsätter modellerna med påskyndad feltid (AFT) inte konstanta risker i överlevnadsdata som i PH-modellen. AFT-modellerna kan dessutom användas som ett alternativ till PH-modellen om antagandet om konstanta risker inte uppfylls. Syftet med denna forskning var att jämföra PH-modellens och AFT-modellernas prestanda när det gäller att analysera de betydande faktorer som påverkar uppgifterna om första födelseintervallet (FBI) i Indonesien. I detta arbete begränsades diskussionen till tre AFT-modeller som baserades på Weibull-, exponential- och log-normalfördelningen. Analysen med hjälp av ett grafiskt tillvägagångssätt och ett statistiskt test visade att det finns icke-proportionella risker i FBI-databasen. Baserat på Akaike-informationskriteriet (AIC) var den log-normala AFT-modellen den lämpligaste modellen bland de andra undersökta modellerna. Resultaten av den bäst anpassade modellen (log-normal AFT-modellen) visade att kovariater som kvinnors utbildningsnivå, makens utbildningsnivå, kunskap om preventivmedel, tillgång till massmedia, förmögenhetsindex och sysselsättningsstatus var några av de faktorer som påverkade FBI i Indonesien.