Penilaian karyawan terbaik di Badan Siber dan Sandi Negara (BSSN) selama ini masih dilakukan secara manual menggunakan Microsoft Excel dan masukan dari manajer, yang sangat rentan terhadap unsur subjektivitas, inkonsistensi penilaian, serta potensi bias keputusan. Kondisi konvensional tersebut memunculkan kebutuhan yang sangat mendesak akan adanya sistem pendukung keputusan terintegrasi yang mampu memberikan penilaian secara objektif, transparan, dan berbasis data terstruktur. Penelitian ini bertujuan secara khusus untuk merancang dan membangun aplikasi sistem pendukung keputusan berbasis web menggunakan metode Multi-Attributive Border Approximation Area Comparison (MABAC) guna menilai kinerja karyawan Non-ASN secara lebih akurat, efisien, dan berkeadilan. Pengembangan sistem ini menerapkan kerangka kerja rekayasa perangkat lunak SDLC model Waterfall, yang mencakup tahapan analisis kebutuhan mendalam, perancangan sistem berorientasi objek menggunakan UML, perancangan basis data relasional melalui ERD dan LRS, implementasi kode program menggunakan bahasa PHP dan database MySQL, serta pengujian fungsionalitas sistem secara menyeluruh. Fungsionalitas utama aplikasi dirancang untuk mengelola data kepegawaian, mengelola kriteria penilaian beserta pembobotannya, memasukkan nilai matriks keputusan, mengeksekusi perhitungan matematis otomatis berbasis algoritma MABAC, hingga menyajikan laporan pemeringkatan akhir yang komprehensif. Hasil pengujian fungsional menggunakan black-box testing menunjukkan bahwa seluruh modul aplikasi berjalan dengan sangat baik dan sesuai dengan fungsionalitas yang diharapkan. Implementasi metode MABAC pada pengolahan data 47 pegawai Non-ASN di BSSN berhasil memberikan rekomendasi peringkat karyawan terbaik yang valid, andal, dan konsisten, di mana alternatif A5 menduduki peringkat pertama dengan perolehan skor akhir tertinggi sebesar 0,1240. Kehadiran sistem ini terbukti efektif dalam meningkatkan objektivitas, efisiensi waktu, serta transparansi proses evaluasi kinerja di lingkungan instansi.