Paling banyak satu email per minggu. Berhenti kapan saja dengan satu klik.
Transkrip
Narasi lengkap video ini. Kalimat yang sedang diucapkan disorot saat video diputar; klik kalimat untuk melompat ke sana.
Tampilkan transkrip
Pembuka
Selamat datang di Sesi 6, sesi yang paling banyak praktiknya di kelas ini. Mulai sekarang kita membangun otomasi visual dengan n8n dan Make. Di episode ini kita berkenalan dulu: apa itu trigger, aksi, dan workflow, apa bedanya n8n dan Make, pilihan cloud atau self-host, cara membuat akun, dan tur singkat tampilan kanvas.
Langkah 1: Dari meminta AI ke workflow yang berjalan sendiri
Di Sesi 5, kita menghubungkan AI ke Gmail, Calendar, dan Sheets. Hasilnya sangat membantu, tetapi selalu ada satu syarat: Anda harus membuka chat dan meminta dulu. Di Sesi 6 polanya dibalik. Workflow berjalan sendiri saat sesuatu terjadi, misalnya pesanan masuk atau email datang. AI tetap dipakai, tetapi sebagai salah satu langkah di dalam alur, bukan sebagai tempat Anda mengetik perintah. Sebelum masuk ke istilah, mari lihat keadaan Kopi Senja hari ini. Pesanan datang lewat chat. Rina memesan dua liter kopi susu gula aren untuk diantar sore. Budi bertanya apakah cold brew masih ada. Dimas harus membalas, lalu menyalin pesanan ke spreadsheet satu per satu. Lalu masuk keluhan: kopi kemarin tumpah di perjalanan. Kalau chat sedang ramai, pesan seperti ini mudah tenggelam di antara pesanan biasa. Dan ada pesanan mendesak: tiga paket hampers untuk acara kantor besok pagi. Inilah alasan kita membangun workflow: pesanan tercatat rapi, dan yang penting tidak terlewat. Coba kita hitung kasar. Misalkan menyalin dan memilah satu pesanan butuh sekitar empat menit. Dengan tiga puluh pesanan sehari, itu sekitar dua jam setiap hari, hanya untuk pekerjaan salin-tempel. Workflow yang akan kita bangun memproses satu pesanan dalam hitungan detik, siang atau malam. Angka ini hanya ilustrasi, jadi ukur sendiri penghematannya di usaha Anda. Dua jam itu bisa dipakai Dimas untuk melayani pelanggan dengan lebih baik. Inilah proyek kita sepanjang sesi ini, dengan contoh Kopi Senja milik Laras di Bandung. Langkah pertama, pelanggan mengisi formulir pesanan. Langkah kedua, AI membaca isi pesanan, menulis ringkasan singkat, lalu memberi kategori: pesanan biasa, pertanyaan, komplain, atau mendesak. Langkah ketiga, semua data disimpan sebagai satu baris baru di Google Sheets. Laras jadi punya rekap pesanan yang rapi tanpa menyalin manual. Langkah keempat, Dimas sang admin menerima email notifikasi. Subjek emailnya sudah memuat kategori, jadi komplain dan pesanan mendesak langsung terlihat. Kita membangunnya sedikit demi sedikit selama lima episode. Episode ini dan berikutnya adalah fondasi. Episode dua puluh delapan sampai tiga puluh adalah praktik, sampai workflow aktif dan berjalan sendiri.
Langkah 2: Tiga istilah inti: trigger, aksi, workflow
Sekarang tiga istilah yang akan Anda dengar terus. Pertama, trigger atau pemicu. Ini node pertama, yang menentukan kapan workflow mulai berjalan. Di sini pemicunya: ada formulir pesanan masuk. Kedua, aksi. Setiap node setelah trigger adalah aksi, yaitu satu pekerjaan yang dikerjakan. Aksi pertama kita meminta AI merangkum dan mengategorikan pesanan. Aksi kedua menyimpan hasilnya sebagai baris baru di Google Sheets. Aksi ketiga mengirim email lewat Gmail. Setiap kotak ini disebut node, dan garis panah di antaranya menunjukkan ke mana data mengalir. Semuanya bersama-sama disebut workflow: rangkaian trigger dan aksi yang berjalan otomatis dari kiri ke kanan. Tanda centang hijau artinya setiap node berhasil menjalankan tugasnya. Satu hal lagi. Tanpa node AI, alur ini otomasi biasa yang hanya memindahkan data. Dengan node AI di tengahnya, workflow bisa memahami isi pesanan. Inilah otomasi dengan langkah AI yang kita bahas di Sesi 1. Trigger bisa bermacam-macam. Yang paling umum ada dua. Formulir atau pesan masuk, seperti contoh Kopi Senja tadi. Lalu jadwal. Misalnya, setiap Senin jam tujuh pagi workflow menyiapkan laporan penjualan minggu lalu, tanpa perlu ada yang menekan tombol. Bisa juga email baru yang masuk ke Gmail, atau baris baru di Google Sheets yang ditambahkan rekan kerja. Ada trigger manual, yaitu Anda sendiri yang menekan tombol. Ini sangat berguna saat menguji. Dan ada webhook, alamat khusus tempat aplikasi lain mengirim sinyal. Untuk sekarang, cukup kenali namanya. Agar lebih terasa, mari lihat di sekitar kita. Untuk Laras, trigger-nya formulir pesanan, dan aksinya tiga: AI memberi kategori, data disimpan, lalu email dikirim ke Dimas. Untuk Dewi di CV Maju Bersama, trigger-nya email penawaran dari pemasok. Aksinya mencatat penawaran ke spreadsheet, lalu mengingatkan tim pembelian. Untuk Pak Hendra di Bimbel Cerdas, trigger-nya siswa mengirim tugas lewat form. Aksinya, AI menyiapkan umpan balik awal yang tetap beliau periksa sebelum dikirim. Dan untuk Nadia, trigger-nya jadwal: setiap Jumat jam empat sore, workflow menyusun rekap jadwal posting minggu depan. Coba pikirkan satu pasang trigger dan aksi dari daftar lima pekerjaan Anda di Sesi 1.
Langkah 3: n8n dan Make: dua aplikasi, satu konsep
Sekarang n8n dan Make. Keduanya aplikasi otomasi visual, dan konsepnya sama. Hanya istilahnya yang berbeda. Satu alur otomatis di n8n disebut workflow, sedangkan di Make disebut scenario. Satu blok di n8n disebut node, di Make disebut module. Jadi kalau Anda membaca tutorial Make yang menyebut module, bayangkan saja node. Satu kali alur berjalan dari awal sampai akhir disebut eksekusi di n8n. Di Make disebut run, dan setiap module yang bekerja di dalam run itu dihitung sebagai satu operation. Perbedaan ini penting untuk biaya. n8n umumnya menghitung kuota per eksekusi, sedangkan Make umumnya per operation. Cara hitungnya bisa berubah, jadi selalu cek halaman harga terbaru sebelum memilih paket. Secara tampilan, node n8n berbentuk kotak, sedangkan module Make berbentuk lingkaran. Keduanya sama-sama disusun dari kiri ke kanan mengikuti aliran data. Beginilah workflow yang sama bila dibangun di Make, yang di sana disebut scenario. Bentuk modulnya bulat, tetapi urutannya persis sama: form, AI, Sheets, lalu email. Saat scenario ini berjalan sekali untuk satu pesanan, keempat module bekerja, jadi kira-kira terhitung empat operation. Di n8n, satu kali jalan yang sama dihitung sebagai satu eksekusi. Untuk menguji scenario, Make punya tombol Run once di bagian bawah layar. Fungsinya sama dengan tombol uji di n8n: menjalankan alur satu kali supaya Anda bisa melihat hasilnya. Di kelas ini kita memakai n8n sebagai alur utama. Alasan pertama, node AI-nya lengkap, mulai dari model chat sampai node AI Agent yang kita pakai di Sesi 7. Alasan kedua, n8n bisa dipakai di cloud atau dipasang di server sendiri. Bedanya kita bahas sebentar lagi. Alasan ketiga, konsepnya berlaku juga di Make. Kalau Anda sudah terbiasa dengan Make, ikuti saja setiap langkah sambil menerjemahkan istilahnya: workflow menjadi scenario, node menjadi module.
Langkah 4: Cloud atau self-host?
Pertanyaan yang sering muncul: pakai cloud atau self-host? Cloud artinya n8n berjalan di server milik n8n. Self-host artinya n8n dipasang di server Anda sendiri. Analoginya, cloud seperti menyewa kios di mal, tinggal buka dan berjualan. Self-host seperti membangun ruko sendiri. Cloud cukup daftar akun, sedangkan self-host perlu menyewa server dan memasang aplikasinya. Soal perawatan, pembaruan aplikasi dan cadangan data di cloud diurus oleh n8n. Di self-host, semuanya menjadi tanggung jawab Anda. Soal biaya, cloud memakai langganan, dan biasanya ada masa uji coba untuk belajar. Versi komunitas untuk self-host gratis, tetapi Anda tetap membayar sewa server. Harga sering berubah, jadi cek halaman harga terbaru. Kesimpulannya, cloud cocok untuk pemula dan usaha kecil. Self-host cocok bila Anda punya bantuan teknis, atau ada aturan bahwa data harus disimpan di server sendiri. Rekomendasi saya untuk kelas ini: mulailah di cloud. Energi Anda lebih baik dipakai untuk belajar menyusun alur, bukan mengurus server. Jangan khawatir terkunci. Workflow n8n bisa diekspor dan dipindahkan ke self-host kapan saja. Dan bagi pengguna Make, aplikasinya sudah berbasis cloud, jadi tidak ada pilihan yang perlu dibuat. Satu pengecualian: kalau kantor Anda ternyata sudah punya n8n di server sendiri, tanyakan ke tim TI apakah Anda boleh memakai akun di sana. Langkah-langkah di kelas ini tetap berlaku sama. Lalu kapan sebaiknya pindah ke self-host? Ada tiga tanda. Pertama, workflow Anda sudah berjalan sangat sering, sehingga biaya langganan terasa lebih mahal dibanding sewa server. Kedua, ada aturan yang mewajibkan data pelanggan disimpan di server sendiri, misalnya dari klien korporat. Ketiga, ada rekan atau vendor yang siap merawat server: memperbarui aplikasi dan mencadangkan data secara rutin. Kalau belum ada satu pun tanda ini, tetaplah di cloud dan fokus membuat workflow yang berguna.
Langkah 5: Membuat akun n8n dengan aman
Sekarang membuat akun. Buka situs n8n, lalu klik tombol untuk mulai atau mendaftar. Ingat, tampilan di video ini simulasi, dan nama tombol bisa sedikit berbeda karena aplikasinya sering diperbarui. Isi nama, email, dan kata sandi. Saran saya, pakai email usaha seperti email Kopi Senja, bukan email pribadi, supaya akun mudah diserahterimakan bila nanti ada admin baru. Lalu pilih nama akun. Nama ini menjadi bagian alamat ruang kerja Anda, misalnya kopisenja.app.n8n.cloud. Pilih nama yang pendek dan mudah dikenali. Buka kotak masuk email Anda dan klik tautan verifikasi. Tanpa langkah ini, akun belum bisa dipakai. Biasanya ada survei singkat tentang kebutuhan Anda, misalnya bidang usaha dan tujuan memakai otomasi. Jawab seadanya, lalu Anda masuk ke halaman utama n8n. Bagi yang memilih Make, langkahnya mirip: daftar di situs Make, verifikasi email, lalu masuk ke halaman daftar scenario. Sebelum lanjut, amankan akun ini. Nantinya akun otomasi terhubung ke Gmail dan Sheets usaha Anda, jadi nilainya setara kunci kantor. Pertama, kata sandi yang kuat dan unik. Kedua, aktifkan verifikasi dua langkah bila tersedia di pengaturan akun. Ketiga, gunakan email usaha, supaya akses tidak hilang saat ada pergantian orang. Email usaha juga memudahkan Anda memisahkan urusan toko dari urusan pribadi. Dan yang tidak boleh: membagikan kata sandi lewat chat ke banyak orang. Bila perlu menambah anggota tim, pakai fitur undangan pengguna, bila paket Anda menyediakannya.
Langkah 6: Tur tampilan kanvas
Dari halaman utama, klik tombol untuk membuat workflow baru. Anda melihat kanvas bertitik-titik seperti papan gambar. Di kiri atas ada nama workflow yang bisa langsung diganti. Di tengah kanvas ada satu kotak bertanda plus untuk menambah langkah pertama. Langkah pertama selalu trigger, karena workflow harus tahu kapan ia mulai. Klik kotak itu, dan panel di kanan menampilkan pilihan pemicu. Ada trigger manual, kejadian di aplikasi seperti Gmail atau Sheets, jadwal, pengiriman form, dan webhook. Perhatikan pilihan On form submission. Inilah yang kita pakai di Episode 28 untuk menangkap pesanan Kopi Senja. Untuk tur ini, kita pilih trigger manual saja. Sekarang kanvas berisi node trigger manual. Sisi kirinya membulat, tanda bahwa ini pemicu. Di sisi kanannya ada titik sambung untuk menambah langkah berikutnya. Klik tanda plus di ujung node, ketik nama aksi di kolom pencarian, lalu pilih. Misalnya node Edit Fields, yang dipakai untuk menyiapkan data. Garis panah tersambung otomatis. Di layar ada tombol untuk menjalankan uji. Namanya Execute workflow, atau Test workflow di versi lain. Tombol ini menjalankan seluruh alur satu kali untuk dicoba. Lalu perhatikan tanda Inactive di samping nama workflow. Selama belum aktif, workflow hanya berjalan saat Anda menguji. Setelah diaktifkan, ia berjalan sendiri setiap kali trigger terjadi. Di versi terbaru, tombol ini bisa bernama Publish. Mari rangkum lima bagian layar. Pertama, kanvas, tempat menyusun node dari kiri ke kanan. Kedua, panel node, yang terbuka saat sebuah node diklik dua kali. Isinya pengaturan, data yang masuk, dan data yang keluar. Panel inilah yang kita bedah di episode berikutnya. Ketiga, tombol uji. Ada yang menjalankan seluruh workflow, dan ada yang menjalankan satu node saja, bernama Execute step atau Test step. Keempat, tombol Active untuk menyalakan workflow supaya berjalan sendiri. Kelima, tab Executions, berisi riwayat setiap kali workflow berjalan, lengkap dengan status berhasil atau gagal. Inilah tempat pertama yang Anda buka saat ada masalah. Mari intip tab Executions. Setiap kali workflow berjalan, satu baris catatan muncul di sini: nomor urut, jam, apakah itu uji atau berjalan sungguhan, dan statusnya. Dua eksekusi teratas berhasil, masing-masing kurang dari satu detik. Node yang berhasil juga diberi tanda centang hijau di kanvas. Eksekusi pertama gagal. Klik barisnya, dan n8n membuka kanvas persis seperti saat itu, lengkap dengan node mana yang gagal. Cara membaca pesan error kita latih di Episode 30. Sebelum episode berikutnya, kerjakan empat hal kecil ini. Pertama, buat akun n8n atau Make, dan verifikasi email Anda. Kedua, buat workflow baru dan beri nama Latihan Kopi Senja. Ketiga, tambahkan trigger manual dan satu node Edit Fields, persis seperti di layar tadi. Keempat, klik Execute workflow satu kali, lalu buka tab Executions. Lihat sendiri catatan eksekusi pertama Anda. Selamat, Anda resmi menjalankan workflow pertama.
Selesai!
Mari kita rangkum. Trigger menentukan kapan workflow mulai, aksi adalah pekerjaan di setiap node, dan workflow adalah rangkaian keduanya. Di Make istilahnya scenario, module, dan operation, tetapi konsepnya sama. Di episode berikutnya, kita membuka isi node: bagaimana data mengalir sebagai item dan field, cara membaca panel input dan output, dan cara memetakan data dengan seret dan lepas. Sampai jumpa di Episode 27.
Latihan mandiri
Kerjakan sendiri setelah menonton supaya materinya benar-benar melekat.
Tuliskan tiga pasang trigger dan aksi dari pekerjaan Anda sendiri, seperti contoh Laras, Dewi, Pak Hendra, dan Nadia.
Buat workflow bernama Latihan Kopi Senja berisi trigger manual dan satu node Edit Fields, lalu klik Execute workflow sekali.
Buka tab Executions dan temukan eksekusi uji yang baru Anda jalankan. Catat statusnya dan berapa lama prosesnya.
Tanya materi kelas
Ketik pertanyaan atau kata kunci; kami carikan bagian episode ini yang menjelaskannya dan lompatkan videonya ke sana.
Catatan saya
Catatan disimpan bersama menit video saat ini dan hanya terlihat oleh Anda.
Tanya jawab
Bingung di salah satu langkah? Tanyakan di sini; pengajar dan peserta lain bisa menjawab.
Belum ada pertanyaan.
Pengajar
Tim Cerdas Inovasi Digital
Pengembang software, engineer BIM & 3D, dan praktisi AI
52 kelas video1.276 episode
Sehari-hari kami mengerjakan software, model BIM, game, dan otomasi AI untuk klien, lalu menjadikan pengalaman praktik itu kelas langkah demi langkah: setiap langkah diperlihatkan di layar dan dilengkapi panduan PDF.
