Mengoptimalkan n8n dengan AI: Panduan Lengkap untuk Membuat Workflow Efikien dan Contoh Praktek

Membangun alur kerja AI di n8n membantu bisnis mengotomatisasi berbagai proses penting, seperti pengelolaan data, pengembangan prospek, dan operasi DevOps. Dengan mendefinisikan komponen yang terhubung, Anda dapat menghubungkan layanan AI seperti OpenAI atau Hugging Face dengan platform lain, seperti Airtable, Slack, dan Google Drive.

Dalam tutorial ini, kita akan menjelajahi empat alur kerja penting berbasis AI di n8n. Pertama, kita akan mempelajari cara mengotomatisasi ekstraksi dan transformasi data menggunakan turunan ETL. Selain itu, kita juga akan membangun dan menilai prospek dengan bantuan AI untuk otomatisasi CRM. Selanjutnya, kita akan mengintegrasikan deployment CI/CD dengan notifikasi real-time. Akhirnya, kita akan mempelajari cara mengklasifikasikan dan mengarsipkan file dengan tagging di n8n.

Setiap alur kerja akan dijelaskan secara rinci agar Anda dapat mengikuti langkah demi langkah tanpa masalah.

Sebelum memulai, pastikan Anda telah mempersiapkan beberapa prasyarat. Pertama, Anda harus memiliki akun hosting n8n Hostinger yang aktif dengan template n8n yang sudah terinstal. Selain itu, Anda membutuhkan API key dan kredensial akses untuk platform seperti Google Cloud, OpenAI, atau Claude AI. Pastikan juga bahwa Anda telah mengerti penggunaan API dari berbagai tool dan platform, seperti POSTMAN, My JSON Server, Airtable, People Data Labs, Slack, dan GitHub.

Selain itu, pastikan Anda terampil dalam memformat data dengan JSON dan familiar dengan tampilan dan konfigurasi node n8n. Jika Anda membutuhkan bantuan untuk menyiapkan n8n di VPS, Anda dapat mengikuti tutorial mengenai cara menginstal n8n.

Proses ETL, yang melibatkan ekstrak, transformasi, dan muat, adalah kunci untuk mengotomatisasi integrasi data dari berbagai sumber. Di bagian ini, kita akan fokus pada cara membuat alur kerja ETL di n8n. Anda dapat mengekstrak data dari API, mengubah dan mengoreksi, dan memuatnya ke dalam database atau penyimpanan cloud. n8n menyediakan solusi ETL low-code dengan kustomisasi lengkap untuk semua fungsi ini.

Setelah menyelesaikan bagian ini, Anda akan memahami cara membuat pipeline ETL otomatis di n8n, yang mengotomatiskan seluruh proses ETL, memastikan data dapat diteruskan dengan lancar dari ekstraksi hingga penyimpanan.

Untuk memulai, klik tombol tambah node di tengah atau sudut kanan atas editor alur kerja n8n. Pada kolom pencarian, ketik “webhook” dan pilih node Webhook. Atur metode HTTP ke POST untuk menerima data eksternal. Klik POST URL di atas metode HTTP dan salinnya. Klik “Listen for test events” untuk menangkap data pengujian Anda. Anda dapat menggunakan POSTMAN untuk mengirimkan request POST, mengklik “New”, memilih HTTP, memilih POST, menempelkan URL pengujian Anda, dan mengklik “Send”. Hasilnya akan tampil di layar OUTPUT di sebelah kanan. Simpan dengan menekan CTRL+S (di Windows) atau Cmd+S (di macOS). Kembali ke kanvas dan arahkan kursor ke node. Anda akan melihat empat tombol. Klik “Test step” atau “Test workflow” untuk mengulang pengujian ini.

Node Webhook berfungsi sebagai titik masuk untuk menerima data dari sumber eksternal. Dengan mengatur metode HTTP ke POST, Anda memastikan data dapat dikirim ke node ini untuk diproses.

Selanjutnya, klik tombol tambah node dan cari “HTTP Request”. Pilih node HTTP Request dan hubungkan ke node Webhook. Klik dua kali node HTTP Request untuk membuka pengaturannya. Pilih GET sebagai metode HTTP. Masukkan URL API yang menyediakan data terstruktur. Anda dapat menggunakan URL pengujian dari My JSON Server. Untuk parameter Query, tambahkan kolom yang ingin Anda ambil, seperti Nama, Email, atau Alamat. Klik “Test step” untuk mengambil data uji coba.

Node HTTP Request akan mengambil data terstruktur dari API. Dalam contoh ini, API akan mengembalikan daftar pengguna yang dapat Anda proses di langkah berikutnya.

Selanjutnya, klik tombol tambah node dan cari “Code”. Pilih node Code Function untuk membuka pengaturannya. Ubah struktur data output menggunakan JavaScript. Simpan, lalu klik tombol “Test step” untuk menguji transformasinya.

Node Code Function memungkinkan Anda memanipulasi dan memformat data sebelum menyimpannya. Anda menggunakan kode JavaScript untuk membersihkan, memfilter, dan menyusun data sesuai kebutuhan Anda.

Klik tombol tambah node dan cari “Airtable”. Pada menu dropdown, pilih “Create or update a record”. Kembali ke kanvas, pilih Airtable, dan hubungkan ke node Code Function. Klik dua kali node Airtable untuk membuka pengaturannya. Pilih “Create or Update” sebagai operasi dan petakan kolomnya. Pastikan Anda sudah menyiapkan kredensial untuk Airtable agar pengujian berhasil, serta sudah memilih Base dan Table yang sesuai. Klik “Test step” untuk memasukkan data uji coba.

Simpan pekerjaan Anda lalu kembali ke kanvas dan klik “Test workflow”. Pastikan data yang ditransformasikan disimpan dengan benar di Airtable untuk penggunaan di masa mendatang.

Reverse proxy

Alur kerja ETL otomatis di n8n ini mempermudah integrasi data tanpa membutuhkan coding yang rumit. Mulai dari menggabungkan data pelanggan melalui berbagai sumber hingga menyiapkan dataset untuk model AI, metode ini membantu meningkatkan efisiensi dan akurasi.

Proses memperoleh dan mengkualifikasi prospek secara manual bisa sangat memakan waktu. Dengan n8n, Anda bisa mengotomatiskan seluruh proses lead generation dengan mengintegrasikan insight berbasis AI untuk menganalisis interaksi pelanggan, menilai prospek, dan memicu proses outreach yang dipersonalisasi.

Proses ini mengotomatiskan pipeline penjualan tanpa perlu coding yang rumit. Dengan mendapatkan data prospek, menambahkan insight dari AI, dan menyimpan data ke dalam CRM, Anda dapat mengidentifikasi prospek dan memersonalisasi outreach secara lebih efektif.

Klik tombol tambah node di sudut kanan atas editor alur kerja n8n. Pada kolom pencarian, ketik “webhook” dan pilih node Webhook. Atur metode HTTP ke POST karena kita akan menerima data dari suatu sumber. Klik “Copy Webhook URL” yang bisa Anda temukan di link “Events” atau link URL di atas metode HTTP, lalu integrasikan URL ini dengan formulir di website. Banyak tool pembuat formulir tidak mengizinkan integrasi langsung dengan URL Webhook, tapi plugin seperti WPForms atau Gravity Forms mendukung add-on webhook yang memungkinkan Anda mengirim data formulir ke URL mana pun. Klik “Listen for test events” untuk menangkap data uji coba. Anda bisa mengujinya dengan menempelkan URL ke request POST di POSTMAN.

Node Webhook akan mengumpulkan informasi prospek dari pengiriman formulir dan meneruskannya ke langkah berikutnya.

Klik tombol tambah node dan cari “HTTP Request”. Pilih node HTTP Request dan hubungkan ke node Webhook. Klik node HTTP Request untuk membuka pengaturannya. Dalam pengaturan tersebut, di bawah “HTTP method”, pilih “GET”. Masukkan URL API dari layanan yang menyediakan data terstruktur, seperti People Data Labs. Simpan, lalu klik “Test step” untuk melihat respons API.

Langkah ini akan melengkapi data prospek Anda dengan mengambil informasi tambahan, seperti profil media.

Klik tombol tambah node dan tambahkan node HTTP Request lagi. Tetapkan metode HTTP ke POST. Masukkan URL API dari layanan AI seperti OpenAI. Anda perlu menentukan model (yaitu gpt-4) dan memformat isi permintaan dengan benar menggunakan data prospek Anda dalam prompt. Klik “Add parameter” dan pilih “Headers”. Anda harus menyertakan kode di bagian Body Parameters untuk menyusun permintaan Anda ke OpenAI. Tentukan “Predefined Credential Type” di bawah “Authentication”. Pada “Credential Type”, pilih “OpenAi”, dan di bawah OpenAi, pilih “+ Create new credential in”. Dari sini, Anda akan diarahkan ke halaman untuk menambahkan API key dan URL dasar. Kembali ke kanvas dan hubungkan node ini ke node sebelumnya.

AI akan membantu menentukan kualitas prospek dengan menganalisis berbagai atribut parameter yang Anda terapkan.

Klik “+ (Add Node)”, cari node Airtable, lalu pilih node tersebut. Saat mengklik Airtable, kolom pencarian akan muncul dengan berbagai opsi di bawahnya. Cari “Create or update a record”, lalu pilih untuk tindakan Airtable. Di tab baru, buka website Airtable, masuk ke akun Anda, atau buat akun dan verifikasi melalui email. Klik avatar profil Anda di sudut kanan atas. Klik “Builder hub” untuk membuka halaman pembuatan token. Di halaman token akses personal, klik “+ Create new token” di sudut kanan atas. Beri nama token Anda, lalu di bawah “Scopes”, pilih izin “Read dan Write records” serta “Read base schema”. Di bagian “Access”, pilih workspace atau base mana yang akan diberikan akses oleh token ini. Klik “Create token”, lalu salin dan simpan token yang dihasilkan karena token ini tidak akan ditampilkan lagi. Kembali ke kanvas alur kerja n8n, lalu klik node Airtable untuk membuka pengaturannya. Pada “Credential to connect with”, klik dropdown “+ Create new credential”. Di bawah “Connect using”, pilih “Access Token” lalu tempel token yang tadi sudah Anda simpan, kemudian klik tombol “Save” di sudut kanan atas. Pada pengaturan node Airtable, pilih “Create” sebagai operasi. Pilih Base ID dan nama Table seperti yang dibuat di tabel Airtable. Simpan, lalu klik “Test step” dan petakan kolom data yang diperlukan.

Data prospek kini berhasil disimpan di Airtable untuk pelacakan dan tindak lanjut di kemudian hari.

Klik “+ (Add Node)” dan tambahkan node Slack. Buka node Slack dan atur tindakan untuk mengirim pesan. Anda harus menggunakan OAuth2 API sebagai metode autentikasi. Pastikan Anda sudah membuat Slack App di workspace Slack, mengaktifkan “Incoming Webhooks”, serta menambahkan “chat” dan “channels” untuk cakupan OAuth. Salin Client ID dan Client Secret dari Slack App Anda dan masukkan di pengaturan node untuk menyelesaikan otorisasi OAuth2. Konfigurasikan isi pesan dengan detail prospek, misalnya:

A new lead has been generated:
{{$node["Webhook"].json["name"]}}
({{$node["Webhook"].json["email"]}})

Anda juga bisa menyertakan data penilaian dari analisis AI, misalnya:

Lead score:
{{$node["OpenAI"].json["score"]}}

Simpan, lalu klik “Test step”.

Prospek

Alur kerja ini bisa digunakan untuk mengkualifikasi prospek, mempersonalisasi campaign email, atau mengotomatiskan tindak lanjut untuk prospek potensial. Dengan mengintegrasikan AI di n8n, Anda dapat mengelola prospek dengan lebih mudah, meningkatkan efisiensi penjualan, dan mendorong konversi yang lebih tinggi.

Meskipun lead generation berfokus pada interaksi pelanggan, automasi juga memainkan peran penting di balik layar. Mari kita lihat cara menggunakan n8n untuk tugas DevOps, seperti integrasi dan deployment berkelanjutan.

Dengan n8n, Anda dapat mengotomatiskan tugas-tugas utama DevOps, seperti deployment CI/CD, pemantauan infrastruktur, dan pemberian peringatan dengan mengintegrasikan berbagai tool seperti GitHub, Docker, AWS, dan Slack.

Bagian ini akan menunjukkan cara membuat alur kerja automasi DevOps yang efisien di n8n dengan sedikit coding.

Alur kerja ini mengotomatiskan proses dengan mendeteksi perubahan kode di GitHub, menjalankan pengujian otomatis, dan melakukan deployment pembaruan hanya jika berhasil, sehingga menjamin rilis yang lebih lancar dan andal. Dengan notifikasi Slack real-time, tim tetap mendapat informasi tentang status build, meminimalkan downtime, dan meningkatkan kolaborasi.

Klik “+ (Add Node)” dan cari “GitHub”. Pilih node GitHub dan pilih “On push” pada “Triggers”. Lakukan autentikasi dengan “GitHub” dan pilih repository. Untuk memicu alur kerja, pilih Events berikut: “Repository”, “Push”, “Pull Request”, dan “Star”. Simpan, lalu klik “Test step”.

Langkah ini memastikan pengujian otomatis dimulai setiap kali kode baru ditambahkan.

Klik “+ (Add Node)” dan temukan node HTTP Request. Tetapkan metode HTTP ke POST. Masukkan URL API dari layanan CI/CD. Konfigurasikan autentikasi sebagai “Predefined Credential Type”. Tentukan “Credential Type” sebagai “GitHub OAuth2 API” (bisa bervariasi tergantung pada layanan yang digunakan). Struktur payload akan bergantung pada persyaratan API layanan CI/CD Anda. Simpan, dan klik “Test step”.

Klik “+ (Add Node)” dan tambahkan SSH. Pilih tindakan “Execute Command”. Klik node untuk membukanya dan masukkan kredensial server. Tentukan perintah deployment. Simpan, dan klik “Test step” untuk mengeksekusi node.

Klik “+ (Add Node)” dan tambahkan node Slack. Atur tindakan untuk mengirim pesan. Kirim notifikasi dengan hasil pengujian dan deployment.

Alur kerja ini dapat digunakan untuk mengotomatiskan deployment software, memastikan kualitas kode dengan pengujian berkelanjutan, atau mempercepat respons insiden.

Dengan memanfaatkan n8n untuk automasi DevOps, tim developer dan operasi dapat mengurangi beban kerja manual, meningkatkan efisiensi deployment, dan menjaga keandalan sistem.

Setelah sistem berjalan dengan lancar, Anda perlu menjaga dan melindungi data Anda. Alur kerja berikut menunjukkan cara mengklasifikasikan dan membackup data menggunakan AI untuk memastikan data selalu aman dan mematuhi aturan.

Dengan n8n, Anda dapat mengotomatiskan seluruh proses backup dan pengarsipan data dengan mengintegrasikan AI untuk mengkategorikan, mengompres, dan menyimpan data di berbagai lokasi, seperti Google Drive, AWS S3, atau server lokal.

Mengelola backup secara manual bisa menjadi proses yang tidak efisien dan rentan terhadap error, bahkan berisiko mengakibatkan kehilangan data atau ketidakpatuhan terhadap hukum.

Alur kerja ini mengotomatiskan proses tersebut dengan mengambil file dari penyimpanan cloud, menggunakan AI untuk mengklasifikasikan dan menandai data, lalu menjadwalkan backup rutin untuk pengelolaan yang lebih baik dan penggunaan yang lebih cepat. Dengan peringatan otomatis, admin akan selalu mendapatkan informasi tentang status backup, yang membantu meningkatkan keamanan, efisiensi, dan keandalan data.

Klik tombol “+ (Add Node)” di sudut kanan atas editor alur kerja n8n. Cari dan pilih “Schedule Trigger”. Atur “Trigger Interval” pada “24 Hours” untuk backup harian, lalu klik “Test step”.

Node “Schedule Trigger” ini berfungsi sebagai pengatur waktu, memicu proses backup pada frekuensi yang ditentukan.

Kembali ke kanvas, klik “+ (Add Node)”, dan cari Google Drive. Pilih “Google Drive” dan pilih tindakan “Download a file”. Siapkan kredensial Google Drive dan masukkan “Client ID” serta “Client Secret”. Simpan setelah selesai. Di kanvas editor, seret panah [+] dari node “Schedule Trigger” ke node “Google Drive” untuk menghubungkannya. Klik dua kali node Google Drive untuk membuka pengaturannya. Autentikasi akun Anda dengan memberikan kredensial API. Pilih folder atau file yang perlu diklasifikasikan dan dibackup. Simpan, lalu klik “Test step” untuk menguji pengambilan file.

Klik “+ (Add Node)” dan cari “HTTP Request”. Pilih node “HTTP Request” dan hubungkan ke node Google Drive. Klik node HTTP Request untuk membuka pengaturannya. Atur “HTTP Method” ke “POST”. Masukkan URL API yang didukung AI. Kita akan menggunakan API Hugging Face. Di bawah “Authentication”, pilih “Predefined Credential Type”, dan atur “Credential Type” ke “HuggingFaceApi”. Aktifkan “Send Query Parameters” dan tambahkan script JSON untuk mengelompokkan data ke dalam kategori yang sesuai berdasarkan nama file. Simpan, kemudian pilih “Test step”.

Klik “+ (Add Node)” dan cari “Google drive”. Pilih “Google Drive” dan sambungkan ke node “HTTP Request”. Klik dua kali node Google Drive untuk membuka pengaturannya. Autentikasi akun penyimpanan cloud Anda. Tentukan folder backup untuk menyimpan file yang sudah dikategorikan. Pilih “Save”, lalu klik “Test step” untuk mengupload file backup yang sudah dikategorikan.

Klik “+ (Add Node)” dan cari “Slack”. Pilih “Send a message” dari “Actions”. Pilih node “Slack” dan hubungkan ke node Google Drive. Klik dua kali node Slack untuk membuka pengaturannya. Masukkan alamat Slack penerima dan konfigurasikan isi pesan untuk menyertakan informasi backup. Simpan, lalu klik “Test step” untuk menjalankan node.

Langkah ini akan mengirimkan pesan konfirmasi ke tim IT atau pengguna admin, memastikan mereka diberi tahu tentang backup yang berhasil.

Alur kerja ini dapat digunakan untuk mengotomatiskan pengarsipan data berbasis kepatuhan, memastikan catatan keuangan dan dokumen hukum disimpan dengan aman dan mudah diambil. Alur ini juga bisa membantu organisasi mengelola dataset yang besar, seperti file media atau data penelitian, dengan mengkategorikan dan membuat backupnya secara efisien untuk penggunaan di masa mendatang.

Dari lead generation hingga perlindungan data, alur kerja ini menunjukkan berbagai hal yang bisa Anda otomatiskan dengan menghubungkan AI dan n8n. Sekarang, mari simak manfaat utama dan langkah selanjutnya.

Anda kini sudah berhasil membuat alur kerja yang didukung AI di n8n, mulai dari integrasi data hingga automasi DevOps dan pengarsipan data. Workflow ini akan membantu Anda membuat automasi low-code yang efisien, yang masih bisa dikembangkan lebih lanjut dengan beberapa langkah tambahan.

Misalnya, Anda bisa menggabungkan logika, memori, dan pengambilan keputusan untuk membuat AI agent. Selain mengotomatiskan tugas, AI agent ini mampu menafsirkan input, beradaptasi seiring waktu, dan mengambil tindakan sesuai konteks tanpa perlu diawasi terus-menerus. Baik untuk membuat support bot, mengotomatiskan content pipeline, atau mengoptimalkan operasional bisnis, AI agent memungkinkan Anda membangun sistem yang cerdas dan meminimalkan proses berulang yang memakan waktu. Yuk, coba buat alur kerja automasi Anda sendiri dengan n8n!

Faradilla, yang lebih akrab disapa Ninda, sudah berpengalaman selama 10 tahun sebagai linguist dan 5 tahun sebagai Content Marketing Specialist di Hostinger. Ia suka mengikuti tren teknologi, digital marketing, dan belajar bahasa. Melalui tutorial Hostinger ini, Ninda ingin berbagi informasi dan membantu pembaca mengatasi masalah yang dialami. Kenali Ninda lebih dekat di LinkedIn.

Baca Seputar Tutorial lainnya di Seputar Tutorial Page