<![CDATA[Abstrak: Masalah keamanan di lingkungan perumahan semakin kompleks akibat kesulitan dalam melakukan pemantauan secara real-time. Sistem pemantauan konvensional sering kali tidak mampu mendeteksi dan merespons ancaman potensial secara efektif, ditambah dengan keterbatasan teknologi dan infrastruktur yang ada. Kegiatan pengabdian kepada masyarakat ini bertujuan untuk meningkatkan keamanan lingkungan perumahan melalui penerapan teknologi pengenalan wajah berbasis metode Haar Cascade dan K-Nearest Neighbors (KNN) dalam aplikasi Mo-Tamu. Aplikasi ini dirancang untuk mendeteksi dan mengklasifikasikan wajah tamu secara real-time serta memberikan informasi terkait kepada warga. Metode Haar Cascade digunakan untuk mendeteksi wajah, sementara KNN mengklasifikasikan wajah berdasarkan data yang telah dilatih. Evaluasi kegiatan ini dilakukan dengan pendekatan kuantitatif dan kualitatif melalui uji kinerja teknologi, survei kepuasan pengguna, dan analisis dampak keamanan. Indikator keberhasilan dari segi aspek teknologi dan sistem menunjukkan akurasi pengenalan wajah sebesar 92%, dengan evaluasi menggunakan metrik precision, recall, dan F1-score. 80% warga merasa lebih aman dengan sistem Mo-Tamu dan 75% petugas keamanan menyatakan aplikasi mempermudah pemantauan tamu. Aplikasi Mo-Tamu membantu petugas keamanan dalam mendata tamu yang datang dalam meningkatkan keamanan lingkungan. Sistem ini akan terus digunakan oleh warga dan diperbarui secara berkala disertai dengan pelatihan lanjutan untuk petugas keamanan dan warga terkait penggunaan aplikasi. Teknologi ini memberikan solusi efektif untuk mengurangi risiko keamanan, meningkatkan kenyamanan penghuni, dan mempermudah manajemen tamu di lingkungan perumahan.Abstract: Security issues in residential environments are increasingly complex due to difficulties in real-time monitoring. Conventional monitoring systems are often unable to detect and respond effectively to potential threats, coupled with the limitations of existing technology and infrastructure. This community service activity aims to improve the security of residential environments through the application of face recognition technology based on the Haar Cascade method and K-Nearest Neighbors (KNN) in the Mo-Guest application. This application is designed to detect and classify guest faces in real-time and provide related information to residents. The Haar Cascade method is used to detect faces, while KNN classifies faces based on trained data. The evaluation of this activity was conducted using quantitative and qualitative approaches through technology performance tests, user satisfaction surveys, and security impact analysis. Indicators of success in terms of technological and system aspects show face recognition accuracy of 92%, with evaluation using precision, recall, and F1-score metrics. 80% of residents feel safer with the Mo-Tamu system, and 75% of security officers stated that the application makes it easier to monitor guests. The Mo-Tamu application assists security guards in recording incoming guests to improve neighborhood security. The system will continue to be used by residents and updated regularly along with continued training for security officers and residents regarding the use of the application. This technology provides an effective solution to reduce security risks, increase resident comfort, and simplify guest management in residential environment.]]>
