n8n belakangan ini cukup menarik perhatian karena kita bisa membuat berbagai automation tanpa harus membangun semuanya dari nol. Mulai dari mengambil data API, mengirim notifikasi Telegram, memproses lead, menghubungkan Google Sheets, sampai membuat workflow berbasis AI.
Kalau ingin n8n aktif 24 jam, salah satu opsi yang menurut saya paling masuk akal adalah menjalankannya sendiri menggunakan VPS. Masalahnya, berapa spesifikasi VPS untuk n8n yang sebenarnya kita butuhkan?
Apakah RAM 2 GB sudah cukup? Atau langsung ambil 4 GB? Berapa vCPU yang dibutuhkan?
Jawabannya tergantung workflow yang akan kita jalankan.
Sebagai gambaran cepat, 1 vCPU dan RAM 2 GB sudah cukup sebagai titik awal untuk n8n ringan, sedangkan 2 vCPU dan RAM 4 GB lebih nyaman untuk penggunaan rutin. Kalau n8n akan menangani banyak execution, beberapa workflow bersamaan, atau proses yang cukup berat, saya akan mempertimbangkan minimal 4 vCPU dan RAM 8 GB.
Yang perlu dipahami, kita tidak bisa menentukan kebutuhan server hanya dari jumlah workflow.
Kenapa Menggunakan VPS untuk n8n?
Sebenarnya kita bisa menjalankan n8n di komputer sendiri. Untuk belajar atau membuat workflow pertama, cara ini tidak masalah.
Namun, ceritanya berbeda ketika workflow harus aktif setiap saat.
Misalnya saya membuat automation seperti:
- menerima webhook dari website;
- mengirim notifikasi otomatis;
- mengambil data API setiap beberapa menit;
- memproses lead dari formulir;
- sinkronisasi data antarplatform;
- menjalankan workflow AI;
- atau mengerjakan automation bisnis lainnya.
Komputer lokal tentu harus terus menyala agar workflow tersebut tetap berjalan.
Karena itu, VPS lebih cocok untuk kebutuhan seperti ini. Server bisa aktif 24/7 dan n8n tetap berjalan meskipun laptop atau komputer kita mati.
n8n sendiri memang menyediakan dukungan self-hosting, termasuk deployment menggunakan Docker. Dokumentasinya juga menyediakan fitur dan konfigurasi lanjutan untuk scaling ketika workload semakin besar.
Apa yang Menentukan Kebutuhan VPS untuk n8n?
Kesalahan yang menurut saya cukup mudah terjadi adalah menentukan VPS hanya berdasarkan jumlah workflow.
Misalnya:
“Saya cuma punya 10 workflow, berarti VPS kecil sudah cukup.”
Belum tentu.
Sepuluh workflow yang hanya berjalan satu kali sehari tentu jauh lebih ringan dibanding tiga workflow yang menerima ratusan webhook setiap menit.
Beberapa faktor yang lebih berpengaruh antara lain jumlah execution, berapa workflow yang berjalan bersamaan, banyaknya data yang diproses, penggunaan file atau binary data, penggunaan Code node, serta service lain yang berjalan di VPS yang sama.
Workflow sederhana seperti mengambil data dari API lalu mengirimkannya ke Telegram mungkin tidak membutuhkan resource besar.
Sebaliknya, workflow yang mengambil ribuan data, memproses file, melakukan banyak manipulasi JSON, atau menjalankan beberapa proses sekaligus bisa menghabiskan RAM dan CPU jauh lebih cepat.
Jadi, ketika memilih VPS untuk n8n, saya lebih suka memberikan sedikit ruang resource daripada memilih spesifikasi yang terlalu mepet.
Spesifikasi Minimum VPS untuk n8n
Untuk sekadar belajar dan menjalankan beberapa automation ringan, saya akan mulai dari spesifikasi seperti berikut:
| Resource | Spesifikasi |
|---|---|
| CPU | 1 vCPU |
| RAM | 2 GB |
| Storage | 20–25 GB SSD |
| Sistem Operasi | Ubuntu/Debian |
| Deployment | Docker |
Spesifikasi ini bukan berarti menjadi requirement resmi yang wajib digunakan semua orang. Saya lebih melihatnya sebagai titik awal yang cukup realistis.
Menariknya, panduan instalasi n8n milik Onidel juga menggunakan VPS dengan setidaknya 1 vCPU dan RAM 2 GB sebagai prasyarat deployment menggunakan Docker.
Dengan resource tersebut, n8n sudah bisa digunakan untuk belajar, membuat workflow personal, menerima webhook dengan trafik kecil, atau menjalankan automation sederhana.
Tetapi kalau n8n akan saya gunakan untuk sesuatu yang penting atau berjalan setiap hari, saya pribadi tidak akan berhenti di RAM 2 GB.
Rekomendasi Spesifikasi VPS untuk n8n
Supaya lebih mudah menentukan pilihan, berikut gambaran spesifikasi yang menurut saya cukup masuk akal.
| Kebutuhan | vCPU | RAM | Storage | Cocok untuk |
|---|---|---|---|---|
| Belajar / testing | 1 | 2 GB | 20–25 GB | Workflow sederhana |
| Personal / rutin | 2 | 4 GB | 40–50 GB | Beberapa workflow aktif 24/7 |
| Bisnis | 4 | 8 GB | 80 GB+ | Execution cukup tinggi |
| Heavy automation | 4–8+ | 8–16 GB+ | Sesuai kebutuhan | High concurrency, data besar, banyak workflow |
Sekali lagi, tabel tersebut merupakan rekomendasi praktis saya, bukan angka mutlak.
Ada pengguna n8n yang bisa menjalankan banyak workflow hanya dengan RAM 2 GB karena workload-nya ringan. Sebaliknya, ada juga workflow tertentu yang bisa menghabiskan beberapa GB RAM hanya dalam satu execution.
1 vCPU dan RAM 2 GB
Saya akan memilih konfigurasi ini kalau tujuannya masih belajar.
Misalnya untuk:
- mencoba n8n;
- membuat automation pribadi;
- workflow Telegram;
- menghubungkan beberapa API;
- menerima webhook dengan trafik kecil;
- atau menjalankan scheduled workflow beberapa kali sehari.
Untuk tahap awal, konfigurasi ini cukup menarik karena biaya VPS tetap rendah.
2 vCPU dan RAM 4 GB
Kalau ingin menjalankan n8n secara rutin, ini justru menjadi konfigurasi favorit saya.
RAM 4 GB memberikan ruang yang jauh lebih nyaman untuk sistem operasi, Docker, n8n, database, dan service pendukung lainnya.
Kita juga memiliki ruang ketika beberapa workflow kebetulan berjalan bersamaan.
Untuk kebanyakan pengguna personal, freelancer, atau bisnis kecil, VPS 2 vCPU dan RAM 4 GB menurut saya menjadi sweet spot untuk n8n.
4 vCPU dan RAM 8 GB
Kalau automation sudah masuk ke operasional bisnis, saya mulai mempertimbangkan konfigurasi ini.
Terutama ketika n8n menangani banyak webhook, banyak scheduled workflow, data berukuran besar, beberapa user, atau banyak execution yang dapat berjalan secara bersamaan.
Resource ekstra juga memberikan ruang jika nantinya kita ingin memasang database PostgreSQL atau service lain pada server yang sama.
Untuk n8n Lebih Penting RAM atau CPU?
Kalau harus memilih, saya biasanya lebih memperhatikan RAM terlebih dahulu.
n8n memproses data workflow di memory. Semakin besar data yang masuk dan semakin banyak proses yang berjalan bersamaan, semakin tinggi kemungkinan penggunaan RAM meningkat.
Misalnya sebuah API mengembalikan ribuan item kemudian workflow melakukan filter, transformasi, merge, dan proses lain. Data tersebut tetap membutuhkan ruang selama execution berlangsung.
CPU juga tetap penting.
CPU mulai terasa ketika kita menjalankan banyak execution sekaligus, menggunakan Code node untuk proses yang berat, melakukan transformasi data dalam jumlah besar, atau menjalankan workload dengan intensitas tinggi.
Karena itu saya lebih suka VPS yang memiliki kombinasi seimbang.
Daripada mengambil 4 vCPU dengan RAM 2 GB, untuk penggunaan n8n secara umum saya justru lebih tertarik ke konfigurasi seperti 2 vCPU + RAM 4 GB.
Storage Jangan Dilupakan
CPU dan RAM sering menjadi perhatian utama, padahal storage juga penting.
n8n dapat menyimpan execution history. Semakin sering workflow berjalan, semakin banyak pula data yang berpotensi tersimpan.
Belum lagi kalau workflow memproses gambar, PDF, video, attachment email, atau binary data lainnya.
n8n bahkan menyediakan dukungan external storage untuk binary data pada deployment Enterprise tertentu. Dokumentasi resminya menjelaskan bahwa binary data dari execution dapat disimpan ke S3 agar server tidak harus mengandalkan filesystem lokal untuk data dalam jumlah besar.
Untuk penggunaan normal, storage sekitar 40–50 GB menurut saya sudah cukup nyaman sebagai titik awal.
Namun, tetap pantau penggunaan disk dan atur retention execution agar data lama tidak terus menumpuk.
Bagaimana dengan Database n8n?
Untuk deployment sederhana, kita mungkin masih menemukan instalasi n8n yang menggunakan SQLite.
Namun, ketika n8n mulai menjadi bagian penting dari operasional, saya lebih memilih menggunakan PostgreSQL.
Tujuannya bukan sekadar mengejar performa. Database terpisah juga membuat arsitektur lebih siap ketika deployment berkembang.
Pada skala yang lebih besar, n8n bahkan menyediakan mekanisme queue dan worker untuk membagi proses execution ke beberapa worker. Dokumentasi resmi n8n memang menyediakan konfigurasi khusus untuk queue mode, concurrency, execution data, binary data, hingga masalah penggunaan memory.
Tentu kita tidak perlu memikirkan arsitektur seperti itu sejak hari pertama.
Mulai sederhana dulu.
Lokasi VPS Juga Perlu Dipertimbangkan
Selain spesifikasi server, saya juga memperhatikan lokasi VPS.
Kalau sebagian besar pengguna, webhook, atau service yang saya gunakan berada di Asia, saya akan memilih server yang lokasinya tidak terlalu jauh.
Untuk pengguna Indonesia, Singapore termasuk lokasi yang menarik karena secara geografis dekat.
Namun, lokasi server bukan berarti harus selalu berada paling dekat dengan kita.
Perhatikan juga API atau layanan yang paling sering diakses oleh workflow. Kalau hampir semua proses berkomunikasi dengan service di region tertentu, lokasi server juga dapat menyesuaikan kebutuhan tersebut.
VPS Onidel Bisa Menjadi Pilihan untuk Menjalankan n8n
Kalau sedang mencari VPS untuk n8n, salah satu provider yang bisa dipertimbangkan adalah Onidel, lihat pilihan paket VPSnya di sini.
Saya melihat Onidel cukup menarik terutama karena mereka menyediakan server Singapore, sehingga cocok untuk pengguna Indonesia yang ingin menjalankan workload di region Asia.
Berdasarkan informasi Onidel saat artikel ini saya tulis, Premium VPS mereka di Singapore menggunakan platform AMD EPYC Milan dengan port network hingga 1 Gbps. Mereka juga memiliki produk High-Frequency VPS di Singapore berbasis AMD EPYC generasi lebih baru untuk workload yang membutuhkan performa CPU lebih tinggi.
Onidel juga menyediakan NVMe Block Storage dan Object Storage di Singapore jika nantinya kebutuhan penyimpanan berkembang.
Baca juga : VPS Murah Singapore dengan DDoS Protection Bayar via QRIS
Yang saya suka dari model VPS seperti ini, kita tidak perlu langsung membeli server besar.
Untuk n8n sederhana, kita bisa mulai dari resource kecil terlebih dahulu. Setelah jumlah workflow, execution, atau penggunaan RAM meningkat, barulah melakukan upgrade sesuai kebutuhan.
Jadi biaya server tetap bisa menyesuaikan perkembangan automation.
Jika Anda sedang mencari VPS untuk menjalankan n8n, Anda bisa mengecek pilihan VPS Onidel melalui link afiliasi yang saya cantumkan di artikel ini.
Tetap sesuaikan paket dengan kebutuhan workflow. Jangan memilih VPS besar hanya karena takut kekurangan resource, tetapi jangan juga memilih spesifikasi terlalu mepet jika automation tersebut sudah digunakan untuk operasional bisnis.
Kapan VPS n8n Harus Di-upgrade?
Menurut saya kita tidak harus menunggu n8n benar-benar error sebelum melakukan upgrade.
Ada beberapa tanda yang bisa menjadi indikator.
Misalnya penggunaan RAM sering berada mendekati kapasitas maksimum, CPU terus-menerus tinggi, execution terasa semakin lama, beberapa workflow berjalan bersamaan dan mulai antre, storage hampir penuh, atau container n8n sering restart.
Kalau menggunakan Linux, kita bisa memantau resource server menggunakan tool sederhana seperti htop, free -h, df -h, atau monitoring dari dashboard VPS.
Dengan begitu kita mengambil keputusan berdasarkan kondisi server, bukan sekadar perkiraan.
Jadi, Berapa Spesifikasi VPS untuk n8n yang Ideal?
Kalau saya rangkum secara sederhana:
1 vCPU + RAM 2 GB cukup untuk belajar dan workflow ringan.
Kalau ingin menggunakan n8n secara rutin, saya lebih merekomendasikan 2 vCPU + RAM 4 GB karena memberikan ruang yang lebih nyaman untuk n8n, Docker, database, dan sistem operasi.
Untuk penggunaan bisnis dengan banyak execution atau workflow yang berjalan bersamaan, mulai pertimbangkan 4 vCPU + RAM 8 GB atau lebih.
Jangan terlalu terpaku pada jumlah workflow. Yang lebih penting justru seberapa sering workflow berjalan, berapa banyak data yang diproses, dan berapa execution yang dapat terjadi secara bersamaan.
Dengan cara tersebut, kita bisa memilih VPS untuk n8n yang sesuai kebutuhan tanpa membayar resource yang sebenarnya belum digunakan.
Dan kalau kebutuhan meningkat, tinggal scale-up VPS secara bertahap. Menurut saya cara seperti ini jauh lebih masuk akal daripada langsung membeli server besar sejak awal.
